人类正在加快让机器学习自己的技能和智能，机器人正在变得日益智能，与人类的协作程度更高，但人形机器人在执行运动任务时仍然面临着巨大困难。要实现人形机器人稳健的双足运动，必须要建立一套完整的系统解决动态一致的运动规划、反馈控制和状态估计等问题。来自德国的Mihaela Popescu团队利用运动捕捉系统对人形机器人进行全身控制，通过人形机器人RH5的深蹲和单腿平衡实验，将高频外部运动捕捉反馈与基于内部传感器测量的本体感觉状态估计方法进行了比较。本体感觉状态估计系统由IMU传感器、关节编码器和足部接触传感器组成。外部运动捕捉系统由3台连接到计算机的摄像机组成，用于跟踪机器人IMU框架上的反射标记，为全身控制器提供准确快速的状态反馈，并通过网络实时传输数据，检索人形浮动基的姿态，与基于IMU数据的本体感觉状态估计方法进行直接比较。应该如何校准IMU传感器？上海六轴惯性传感器品牌
清华大学机械工程系先进成形制造教育部重点实验室提出了一种基于外部 RGB-D 相机和惯性测量单元(Inertial Measurement Unit，IMU)组合的爬壁机器人自主定位方法。清华大学机械工程系先进成形制造教育部重点实验室提出并实现了一种基于外部RGB-D相机和惯性测量单元(InertialMeasurementUnit，IMU)组合的爬壁机器人自主定位方法。该方法采用深度学习和核相关滤波(KernelizedCorrelationFilter,KCF)组合的目标跟踪方法进行初步位置定位；在此基础上，利用法向量方向投影的方法筛选出机器人外壳顶部的中心点，实现了爬壁机器人的位置定位。推导了机器人底盘法向量、横滚角与航向角的定量关系，设计了串联的扩展Kalman滤波器(ExtendedKalmanFilter,EKF)计算横滚角、俯仰角和航向角，实现机器人定位中的姿态估计。上海原装平衡传感器参数导航传感器的安装是否复杂？
运动项目需要特定的力量和爆发力特征，为实现对运动员进行训练监测，葡萄牙田径联合会与葡萄牙莱里亚理工学院合作，由PauloMiranda-Oliveira团队设计了一种使用IMU评估蹲跳（CMJs）的方法，用以分析运动员在蓄力阶段的表现、跳跃高度和修正反应强度指数（RSImod）。该团队开发的设备，包含了一个9轴IMU-----加速度计(±16g)、陀螺仪(±2000dps)和磁力计(±4900µT)，数据采样率为300Hz。IMU与笔记本电脑之间通过Wifi进行连接。同时，实验测试在测力板（ForcePlate，FP）上进行，并使用测力板采集到的数据作为比较基线。共有8名高水平运动员（6名男性2名女性）参与了测试，这些运动员在测试前6个月均没有伤病记录。研究团队将IMU固定放置在运动员的第五腰椎（L5）上。每名运动员每组进行3-5次CMJ跳跃，每次跳跃之间间隔1分钟，共进行30次CMJ跳跃。IMU 和 测力板FP统计结果显示，两者在正脉冲相位时间、负脉冲相位时间、滞空时间等方面，有着相似的结果；同时在跳跃高度、比较大力量、RSImod等方面两者也有着近似的测试结果。同时设备简单易用，可以帮助教练员和运动员进行训练监测和控制，提高训练系统性，同时提高训练水平。
葡萄牙研究团队开发了一种e-Textile智能背心，结合sEMG传感器和IMU，旨在实时监测和评估用户的前倾头姿势。研究团队将sEMG传感器集成到背心中，用于监测颈部肌肉活动，同时利用IMU传感器跟踪脊柱的曲度变化。实验结果显示，随着运动幅度的增大，sEMG传感器捕捉到的颈部肌肉活动增强，IMU传感器捕捉到脊柱曲度变化明显。实验结果显示，无论运动幅度如何，特别是大范围运动时，IMU传感器都能清晰地显示出肌肉活动变化和脊柱曲度变化，揭示了肌肉活动与头部前伸姿势风险之间的内在联系。导航传感器是否能与其他传感器集成？
中国研究团队开发了一种创新的跑步参数评估方法，巧妙结合了IMU和多模态神经网络技术，旨在深入研究并有效评估跑步时的步态参数。科研团队采用IMU传感器，将其固定在跑者的脚踝处，以实时监测并记录跑步时脚踝的加速度变化情况。通过集成多模态神经网络技术，研究人员能够准确预测跑步过程中的步幅长度、步频等关键参数。实验结果表明，即使在不同跑步速度下，IMU与多模态网络相结合能够显著提高参数预测的准确性。实验结果显示，无论跑步速度如何，IMU传感器与多模态神经网络技术相结合能够清晰地显示出跑步参数的变化情况，揭示了跑步参数与跑步效率之间的内在关联。导航传感器在室内和室外的表现有何不同？上海惯性传感器测量精度
IMU传感器在使用前通常需要进行校准，以提高测量精度并减少系统误差。上海六轴惯性传感器品牌
帕金森病（PD）患者在美国约有100万人，而全球患者超过1000万人。帕金森病是一种慢性的疾病退化性疾病，需要临床医生特别是运动障碍方面对患者进行密切监测。医生经常使用标准的临床仪器，如统一帕金森病评分量表（UPDRS）。通常来说，每名帕金森患者每年需要到临床医生诊所进行多次的病情评估。对于帕金森患者来说，这是一个很大的负担。美国ShehjarSadhu团队设计了一套基于机器学习的远程健康设备，利用UPDRS任务，远程检测手部运动并进行分类。该系统包含EdgeNode和FogNode。其中EdgeNode使用一双智能手套记录手部的活动，其集成了手指弯曲传感器和惯性测量单元（IMU），并将数据无线传输到FogNode进行分类。FogNode运行基于机器学习（ML）的活动分类模型，以对基于UPDRS的手部运动任务进行分类。上海六轴惯性传感器品牌
