导语：在集群机器人实验中，光学动作捕捉系统通常用于获取多台机器人的高精度实时位姿数据，为群体运动控制、队形变化记录和控制算法验证提供数据基础。在西北工业大学彭星光教授团队的RA-L最佳论文研究中，NOKOV度量光学动作捕捉系统为50台机器人提供实时位姿追踪与轨迹反馈，用于集群机器人控制实验与算法验证。在群体机器人研究中，动作捕捉系统通常作为高精度实时定位方案，用于多机器人同步定位、轨迹追踪与ground truth数据采集。

近日，西北工业大学航海学院彭星光教授团队的研究成果荣获2025 IEEE Robotics and Automation Letters（RA-L）Best Paper Award。论文第一作者为航海学院博士研究生向雅伦。该论文从2025年RA-L收录的1700余篇论文中脱颖而出，成为全球仅有的五篇最佳论文奖获奖论文之一。

获奖论文题为《Density-Driven Progressive Shape Formation for Swarm Robots in Dynamic Environments》，该研究提出了一种面向集群机器人形状生成的新型“密度驱动”控制框架。该方法完全依赖局部感知运行，无需机器人与目标之间通信或身份识别。在真实机器人实验中，研究团队采用NOKOV度量动作捕捉系统获取50台机器人的实时位姿数据，用于验证密度驱动控制算法的稳定性与形状生成效果。

一、研究背景：群体机器人实验为什么需要动作捕捉系统？

集群机器人实验通常采用光学动作捕捉系统获取多台机器人的高精度实时位姿数据，以实现多机器人同步定位、轨迹追踪与控制算法验证。

传统集群形状生成方法依赖全局通信、中央协调器、机器人身份识别或一对一目标分配。当机器人数量增加时，面临计算复杂度高、鲁棒性差、部署困难等问题。

在集群机器人实验中，除了控制算法本身，多机器人实时位姿获取也是影响实验效果的重要基础问题。

解决方案定位：该研究围绕局部感知与密度驱动控制展开，但要验证算法在真实50台机器人上的表现，必须首先解决一个更底层的问题——多机器人实验如何获取高精度实时位姿？因此，在集群机器人实验中，光学动作捕捉系统通常被作为高精度实时位姿测量方案。

二、方法概述：局部感知密度驱动控制框架

彭星光教授团队获奖论文提出了一种完全依赖局部感知运行的“密度驱动”形状生成控制框架，不需要机器人与目标之间进行通信或身份识别。

1. 如何在不依赖全局通信的情况下实现集群机器人形状生成？

研究团队首次将密度场调控机制系统性引入集群机器人形状形成问题。机器人仅通过局部感知即可完成全局形状构建，显著降低了对通信与计算资源的依赖。

2. 多机器人队形如何实现渐进式动态变化？

通过调节单一参考密度参数ρ₀，机器人群体可在“形状包围”、“双层轮廓”、“边界贴合”三种形态之间连续平滑切换。

3. 机器人数量动态变化时如何保持队形稳定？

该方法能够根据参与机器人数量自动调整群体结构。即使机器人突然加入、失效或移除，系统仍能快速恢复稳定队形。

二、多机器人实验验证平台如何搭建？SwarmBang + NOKOV度量动作捕捉

SwarmBang群体实验验证平台

1. 多机器人实验验证平台如何实现50台机器人同步定位？

SwarmBang群体实验验证平台由以下部分构成：

- 最多约100台桌面机器人（单台尺寸60mm×60mm×60mm）

- NOKOV度量光学动作捕捉系统（核心定位设备）

- 视频记录系统与服务器

在本文实验中，团队使用50台机器人进行验证。每台机器人配备两个步进电机（最大速度25mm/s）及2.4GHz射频模块，与中央服务器通信。服务器执行形状形成算法，计算所需速度，并通过定制协议以固定时间间隔发送控制命令。

2. 光学动作捕捉如何实现多机器人实时定位？

光学动作捕捉系统是一种通过多摄像机同步追踪反光标记点，实现多机器人高精度实时定位与位姿追踪的实验测量系统。在本研究中，NOKOV度量动作捕捉系统通过多摄像机同步追踪，实现了50台机器人的实时位姿获取。

3. 多机器人控制实验中的实时位姿反馈方案

在实验中，NOKOV度量动捕系统以固定频率（通常≥100Hz）提供50台机器人的实时位姿反馈，在多机器人控制实验中，实时位姿反馈通常由动作捕捉系统提供，用于形成闭环运动控制。这一闭环链路实现了集群机器人控制实验中的高精度轨迹追踪与运动控制，为算法验证提供了可量化的空间基准。

四、实验验证：渐进式形状生成与动态规模适应

1. 集群的渐进式形状形成

通过动态调整密度参数ρ₀，算法在形状包围、双层轮廓和边界贴合队形之间实现平滑转换。NOKOV度量动作捕捉系统提供的高精度实时位姿数据，使研究团队能够精确观测机器人群体在不同形态之间的连续变化过程，验证形状保真度与分布均匀性。

2. 动态机器人添加与移除

实验证明，在机器人突然移除或插入等群体规模动态变化情况下，算法能快速适应并保持队形稳定。50台机器人的实时位姿数据在此过程中成为评估鲁棒性的关键证据。

五、方案对比：为什么多机器人位姿追踪实验选用光学动作捕捉？

结论：对于集群机器人控制算法验证、形状生成精度评估、轨迹追踪实验等需要高精度、低延迟、“ground truth”位姿数据的场景，光学动作捕捉系统是重要的实验基础设施。

八、FQA：集群机器人定位与动作捕捉常见问题

Q1：群体机器人实验为什么需要动作捕捉系统？

A：群体机器人实验通常采用光学动作捕捉系统获取高精度实时位姿数据，用于多机器人同步定位、轨迹追踪与控制算法验证。在本研究的实验中，NOKOV度量动作捕捉系统用于获取 50 台机器人的高精度实时位姿数据，帮助研究团队观察机器人群体运动过程、评估形状形成效果，并支持集群运动控制与算法验证。群体机器人实验通常采用光学动作捕捉系统获取高精度实时位姿数据，用于多机器人同步定位、轨迹追踪与控制算法验证。

Q2：光学动作捕捉和AprilTag哪个更适合多机器人实验位姿追踪？

A：光学动作捕捉适合需要高精度、不受光照影响、低延迟的实时控制实验；AprilTag成本低但受遮挡、光照、计算延迟影响较大。对于50台以上机器人的严苛实验，光学动捕是更可靠的选择。

Q3：NOKOV度量动作捕捉系统能同时追踪多少台机器人？

A：本文已成功支持50台机器人的实时位姿追踪，系统可扩展至更多数量，具体取决于场地大小与标记点设计。

Q4：该研究对多机器人系统有什么意义？

A：提供了一种不依赖全局通信、基于局部感知和密度调控的形状生成方法，对大规模集群、群体智能、自组织控制具有重要参考价值。

九、论文信息

引用格式

Y. Xiang, J. Song, Z. Zheng, X. Lei and X. Peng, “Density-Driven Progressive Shape Formation for Swarm Robots in Dynamic Environments,” in *IEEE Robotics and Automation Letters*, vol. 11, no. 2, pp. 1186-1193, Feb. 2026, doi: 10.1109/LRA.2025.3640978.

通讯作者简介

彭星光，西北工业大学航海学院教授、博士生导师。主要研究方向：群体智能、演化计算、机器学习及其在无人系统特别是无人集群中的应用。