馬匹獸醫進行視覺步態評估是診斷馬匹運動障礙的一個重要部分，對運動不對稱性的測量可以為診斷提供客觀支持。為了調查分析馬匹不對稱指數閾值，以此區分健康馬和跛行的馬，來自法國的ClaireMacaire科研團隊研制了EQUISYM®系統，該系統由放置在馬匹頭部、肩部、骨盆和四個炮骨的七個IMU（慣性測量單元）組成，能夠實時記錄馬匹的運動數據，實驗中用定制的Matlab2020a腳本對數據進行處理得到不對稱指數（AI）平均值和標準差（SD），使用軟件RStudio用圖形方法對數據進行正態性評估。在此次實驗中，由7個IMU組成的EQUISYM®系統為實驗提供了有力的支持，可以在一定程度上為獸醫的臨床診斷提供技術支持，但未來還需要進一步研究馬匹頭部、肩部和骨盆運動之間的相互關系，提供更多關于跛行識別和各種臨床情況下指數之間關系的信息，以實現更精細的馬匹跛行情況識別。如何選擇適合我設備的角度傳感器？江蘇人形機器人傳感器校準

日本研究團隊成功研發了一種創新的進食速度監測系統，巧妙融合IMU技術，旨在深入研究并有效評估個體在自由生活環境下的進食習慣。實驗中，科研團隊把IMU傳感器固定在受試者佩戴的腕帶中，以監測并記錄進食手腕時的運動數據。通過實驗結果發現，無論在自由生活的環境還是測試環境，IMU腕帶能保持較高的監測精度，并能區分不同的進食動作，如咀嚼和吞咽，從而量化進食速度。實驗表明，無論進食環境如何，IMU腕帶都能保持較高的監測精度。這一發現強調了IMU在飲食監測中的重要作用，并為開發更為有效的飲食干預方案提供了強有力的支持。江蘇9軸慣性傳感器校驗標準IMU傳感器是否支持實時數據傳輸？

跑步者姿態和速度的監測可以通過在跑步者的日常訓練計劃中積累跑步時特定信息（例如步頻和步幅）來實現。基于這個目的，日本大阪都市大學城市健康與體育研究中心YutaSuzuki團隊設計了一種使用IMU估計跑步時足部軌跡及步長的方法。過去的幾年中，在步態事件監測、步長估計方面，生物力學領域使用IMU進行了大量的研究工作。但由于IMU只在其自身的局部坐標系中測量三軸線性加速度、角速度和磁場強度，因此無法直接從IMU數據估計全局坐標系中的足部軌跡及步長。而從IMU數據計算軌跡的一個主要問題是加速度和角速度測量中的漂移，隨著評估時間的增長，其位置和方位評估的結果會越發失真。解決這種漂移的一種流行方法是使用零速度假設進行捷聯積分，其中假設無論跑步速度如何，足部在支持相中的某個特定時間點速度為零。YutaSuzuki團隊在研究中，用安裝在腳背上的兩個IMU測量左右腳的加速度和角速度。足部軌跡和步幅長度是更具IMU數據的零速度假設估計的，并且估計IMU的旋轉以計算兩個連續步態支撐相中期的內外側方向和垂直方向位移。

人類正在加快讓機器學習自己的技能和智能，機器人正在變得日益智能，與人類的協作程度更高，但人形機器人在執行運動任務時仍然面臨著巨大困難。要實現人形機器人穩健的雙足運動，必須要建立一套完整的系統解決動態一致的運動規劃、反饋控制和狀態估計等問題。來自德國的Mihaela Popescu團隊利用運動捕捉系統對人形機器人進行全身控制，通過人形機器人RH5的深蹲和單腿平衡實驗，將高頻外部運動捕捉反饋與基于內部傳感器測量的本體感覺狀態估計方法進行了比較。本體感覺狀態估計系統由IMU傳感器、關節編碼器和足部接觸傳感器組成。外部運動捕捉系統由3臺連接到計算機的攝像機組成，用于跟蹤機器人IMU框架上的反射標記，為全身控制器提供準確快速的狀態反饋，并通過網絡實時傳輸數據，檢索人形浮動基的姿態，與基于IMU數據的本體感覺狀態估計方法進行直接比較。導航傳感器的安裝是否復雜？

清華大學機械工程系先進成形制造教育部重點實驗室提出了一種基于外部 RGB-D 相機和慣性測量單元(Inertial Measurement Unit，IMU)組合的爬壁機器人自主定位方法。清華大學機械工程系先進成形制造教育部重點實驗室提出并實現了一種基于外部RGB-D相機和慣性測量單元(InertialMeasurementUnit，IMU)組合的爬壁機器人自主定位方法。該方法采用深度學習和核相關濾波(KernelizedCorrelationFilter,KCF)組合的目標跟蹤方法進行初步位置定位；在此基礎上，利用法向量方向投影的方法篩選出機器人外殼頂部的中心點，實現了爬壁機器人的位置定位。推導了機器人底盤法向量、橫滾角與航向角的定量關系，設計了串聯的擴展Kalman濾波器(ExtendedKalmanFilter,EKF)計算橫滾角、俯仰角和航向角，實現機器人定位中的姿態估計。如何選擇慣性傳感器的量程？浙江高精度IMU傳感器廠家

慣性傳感器的工作原理是什么？江蘇人形機器人傳感器校準

帕金森病（PD）患者在美國約有100萬人，而全球患者超過1000萬人。帕金森病是一種慢性的疾病退化性疾病，需要臨床醫生特別是運動障礙方面對患者進行密切監測。醫生經常使用標準的臨床儀器，如統一帕金森病評分量表（UPDRS）。通常來說，每名帕金森患者每年需要到臨床醫生診所進行多次的病情評估。對于帕金森患者來說，這是一個很大的負擔。美國ShehjarSadhu團隊設計了一套基于機器學習的遠程健康設備，利用UPDRS任務，遠程檢測手部運動并進行分類。該系統包含EdgeNode和FogNode。其中EdgeNode使用一雙智能手套記錄手部的活動，其集成了手指彎曲傳感器和慣性測量單元（IMU），并將數據無線傳輸到FogNode進行分類。FogNode運行基于機器學習（ML）的活動分類模型，以對基于UPDRS的手部運動任務進行分類。江蘇人形機器人傳感器校準