清华大学李升波教授团队在IEEE Robotics and Automation Letters发表论文《Robust State Estimation for Legged Robots With Dual Beta Kalman Filter》。研究提出双β-卡尔曼滤波器（Dual β-KF），用于解决足式机器人状态估计中脚部打滑与腿长变化带来的误差问题。在真实实验验证阶段，NOKOV度量动作

多目立体视觉能够在多种条件下感知三维场景的立体信息，基于多目立体视觉的位姿检测技术以其特有的优势在越来越多的领域扮演着重要的角色。在航空航天领域，随着越来越多人造飞行器持续地发射进太空，产生了大量的太空垃圾与废弃卫星，若不采取有效措施，有效飞行物被撞击的概率将不断变高。而在清理太空垃圾、修复目标物故障等在轨飞行任务中，需要保证机械臂末端与目标卫星的相对位置，有效的位姿测量方法尤为重要。北京航空航天

人机之间的交互性是虚拟现实技术的关键特征，在智能硬件持续更新和移动网络不断提速的今天，人机交互方式得到了快速的发展，其中手势是当今最热门的人机交互方式。目前在智能汽车、可穿戴设备、汽车电子、智能手机等领域，都已经使用了手势交互作为新一代的人机交互方式。实现手势交互，首先要完成手势数据的采集。实现数据采集一般有两种方式：基于摄像头图像的视觉手势捕捉、基于传感器追踪的惯性手势捕捉。但这两种方式的手势捕

哈尔滨工业大学团队在 IEEE Robotics and Automation Letters 发表研究，提出一种可伸缩连续体巡检机器人，用于封闭场所电力设备巡检。研究通过集成 NOKOV度量动作捕捉系统，获取机器人主干高精度位姿与形变数据，验证多种动静态建模方法的准确性，为狭窄空间巡检机器人的实验评估与工程应用提供了可靠依据。

山东大学研究团队发表面向绳驱动连续体机器人的融合非线性扩展状态观测器的自适应滑模跟踪控制方法，度量动捕为实验提供机器人末端执行器位姿数据，助力验证控制方法有效性。

针对水下视觉退化问题，哈工大（深圳）、天津大学呀牛团队首次提出了一种融合双目相机、IMU 与成像声呐的水下SLAM系统 - RUSSO，实现用于六自由度（6-DoF）估计的鲁棒且精确的水下定位。室内实验中，NOKOV度量水下光学动作捕捉系统提供水下机器人高精度位姿真值，助力评估RUSSO系统的定位精度与鲁棒性。

湖南大学周易教授团队在TRO 发表两篇事件相机论文，系统研究事件相机在高速状态估计与视觉惯性 SLAM 场景中的应用。通过真实高速机器人实验进行验证，NOKOV 度量动作捕捉系统提供高精度轨迹与位姿真值，用于评估事件相机与IMU融合方法在速度估计与定位精度的性能。

南京理工大学郭毓教授团队在 ICRA 2025 提出腱驱动连续体机械臂（TDCM）融合 阻抗控制与容错控制 的创新方案，实现高精度轨迹跟踪与柔顺力控。实验采用两段式 TDCM 原型机，结合 NOKOV度量动作捕捉 提供的实时位姿数据验证轨迹精度、力控表现及执行器故障补偿效果。结果显示，轨迹误差低至 0.005 米，阻抗误差 ≤0.09 牛顿，即使在部分执行器失效情况下系统仍能稳定运行，为连续体机器

在磁导航机器人与磁驱动微创手术机器人领域，实现高精度、可验证、可泛化的磁定位能力一直是核心挑战。在 IROS 2025 上，南方科技大学郭书祥院士团队发表论文 Physics-Informed Residual Network for Magnetic Dipole Model Correction and High-Accuracy Localization，提出了一种融合物理模型与数据驱动的高

浙大高飞老师团队提出的无人机全自主系统在特技飞行表现中超越专业飞手。NOKOV度量动作捕捉系统助力验证无人机在狭窄空间中执行复杂特技动作时的飞行性能。