Share

Related

1 Jahr her
Microsofts Copilot AI kann Cyberangriffe vereinfachen und sensiblen Datenzugriff ermöglichen.
8 Monaten her
Volkswagen kooperiert mit Horizon Robotics zur Stärkung seiner autonomen Fahrtechnologien in China.
3 Monaten her
DeepSomatic identifiziert somatische Krebsvarianten aus Sequenzdaten präziser; Studie in Nature Biotechnology, offener CASTLE-Datensatz, breite Anwendbarkeit inklusive Tumor-only.
4 Stunden her

Xsens Link und Xsens Humanoid: neue Generation für Motion Capture in der humanoiden Robotik

Xsens, die Motion-Capture-Sparte von Movella, hat die nächste Generation des Xsens Link Systems und die Software „Xsens Humanoid“ angekündigt. Zielgruppe sind Hersteller humanoider Roboter, industrielle Anwender, Datensammler, Forschende und Entwickler im Umfeld Biomechanik, Robotik und Automation. Kernpunkt ist die Umsetzung hochwertiger menschlicher Bewegung in saubere, robotergerechte Kinematik für Datensätze, Live-Teleoperation und Simulationsabläufe.

Das neue Link basiert auf inertialer Erfassung und wurde hinsichtlich Handhabung und Dauerbetrieb überarbeitet. Dazu zählen integrierte waschbare Verkabelung, Wi‑Fi 6E Streaming, verbesserte Sensor-Ausrichtung und flexibles Gewebe. Der Ansatz zielt auf längere, unterbrechungsarme Aufnahmesitzungen und auf eine schlankere Pipeline vom Recording bis zur Analyse, etwa für hochvolumige Trainingsläufe oder Studien.

„Xsens Humanoid“ bildet die Softwareseite und übersetzt menschliche Bewegung mit geringer Latenz in präzise Robotik-Kinematik. Die Plattform ist auf skalierte Teleoperation, Simulation und KI-Modelltraining ausgelegt. Native Integrationen mit ROS 2, Nvidia Isaac Sim und MuJoCo sowie Linux-Receiver sollen die Einbindung in gängige Robotik-Stacks vereinfachen und Test- bis Produktionsumgebungen abdecken.

Für Entwicklerinnen und Entwickler in der humanoiden Robotik ist der kombinierte Ansatz vor allem dort interessant, wo konsistente Kinematikdaten benötigt werden: vom Aufbau hochwertiger Datensätze für Imitationslernen über Live-Steuerung bis hin zur Validierung im Simulator. Die saubere Kinematik reduziert Nachbearbeitung und erleichtert die Übertragbarkeit auf reale Systeme, was die Zeit zwischen Datenerfassung, Training und Einsatz verkürzen kann.

Aus Anwendersicht bleiben klassische Prüfgrößen relevant: Kalibrierung, Driftverhalten, Latenz, Synchronisation mit weiteren Sensoren und Datenschutz bei menschlichen Probanden. Zudem ist die Interoperabilität mit bestehenden ROS‑2‑Nodes, Simulationsszenen in Isaac Sim/MuJoCo und betrieblichen IT‑Vorgaben zu bewerten. Wer auf längere Sessions setzt, sollte neben Tragekomfort auch Wartung, Reinigung und Ersatzteilverfügbarkeit berücksichtigen.

Lesenswert hierzu

Dieser Artikel wurde vollständig oder teilweise durch eine Künstliche Intelligenz (KI) erstellt. Obwohl wir bemüht sind, genaue und aktuelle Informationen bereitzustellen, können wir keine Garantie für die Richtigkeit oder Vollständigkeit des Inhalts übernehmen. Bitte überprüfen Sie alle Informationen und ziehen Sie bei Bedarf eine fachkundige Beratung hinzu.

Weitere News

2 Stunden her
Fujitsu und NVIDIA bauen eine Full‑Stack‑KI‑Plattform mit KI‑Agenten und eng gekoppelter CPU‑GPU‑Infrastruktur für Industrieanwendungen auf.
1 Tag her
NVIDIA erweitert sein Open-Source-KI-Angebot mit Modellen, Datensätzen und Tools für Sprache, Robotik und Biomedizin, zugänglich über Hugging Face und als NIM-Microservices.

Kategorien

Allgemein

Automatisierung

Digitalisierung

Forschung & Entwicklung

Generative KI

KI in der Praxis

KI in Marketing

KI-Anwendungen

KI-Ethik

KI-News & Trends

Produktivität

Robotik

Teilen Sie es mit der Welt!