Human–Exoskeleton Motion Capture and Interaction Dataset

本仓库公开发布一个面向科研的人体–外骨骼运动与交互数据集。数据集系统性地整合了基于 SMPL 的人体运动学数据、外骨骼运动状态、人机交互力、任务级语义信息，以及人体–外骨骼之间的交互刚度估计结果。该数据集可用于人机交互、外骨骼控制、生物力学、模仿学习与具身智能等研究方向。This repository publicly releases a scientific research-oriented human-exoskeleton motion and interaction dataset. The dataset systematically integrates SMPL-based human kinematic data, exoskeleton motion states, human-exoskeleton interaction forces, task-level semantic information, and estimated human-exoskeleton interaction stiffness. This dataset can be used for research fields such as human-computer interaction, exoskeleton control, biomechanics, imitation learning, and embodied intelligence.

原始信息汇总

人体–外骨骼运动捕捉与交互数据集（Human–Exoskeleton Motion Capture and Interaction Dataset）概述

数据集简介

本数据集是一个面向科研的公开数据集，旨在研究人体–外骨骼运动、交互动力学与任务语义。数据集系统性地整合了基于SMPL模型的人体运动学数据、外骨骼运动状态、人机交互力、任务级语义信息以及人体–外骨骼之间的交互刚度估计结果。该数据集可用于支持人机交互、外骨骼控制、生物力学、模仿学习与具身智能等领域的研究。

数据内容与结构

数据以结构化数值形式（兼容NumPy）存储，每个样本对应一次同步的人体–外骨骼交互记录，包含13个核心字段。

1. 人体运动（SMPL）

• smpl_pos：基于SMPL模型的人体全身姿态参数。
• human_data：人体相关的辅助特征量（如运动学或生理特征描述）。

2. 外骨骼运动数据

• qpos_exo_right, qpos_exo_left：右/左外骨骼系统的关节位置。
• qvel_exo_right, qvel_exo_left：右/左外骨骼系统的关节速度。

3. 人机交互量

• f_interactive_right, f_interactive_left：人体与外骨骼在右/左侧的交互力（测量或估计）。
• K_fitness_right, K_fitness_left：人体–外骨骼之间的交互刚度（或顺应性相关系数）。

4. 任务语义

• text：任务或手势的高层语义描述（自然语言）。

5. 奖励与任务相关信号

• rwd_action：与动作执行相关的奖励信号。
• rwd_pos：与位置或姿态相关的奖励信号。

数据示例与演示

数据集包含手势、太极动作以及搬运动作等多种任务示例。相关演示视频的图片链接如下：

• 手势示例图片：https://github.com/user-attachments/assets/2c5fe01a-6490-4bd6-a780-ec78bbd02de2， https://github.com/user-attachments/assets/c90ab043-551e-4389-9612-3b7588289de9
• 太极动作示例图片：https://github.com/user-attachments/assets/9d19d66d-f5fb-4806-b26d-5d6bb14091ce
• 搬运动作示例图片：https://github.com/user-attachments/assets/80cbe037-cd96-4f88-a5d2-eec4b9877e5d， https://github.com/user-attachments/assets/86c01195-a991-46b0-94b4-ef7067958382

使用许可

本数据集仅供学术研究使用，具体使用条款请参见项目中的LICENSE文件。

引用信息

若在研究中使用本数据集，请引用： bibtex @dataset{human_exo_mocap_dataset, title = {Human--Exoskeleton Motion Capture and Interaction Dataset}, author = {Muyuan, Ma and Shuo, Chen and collaborator}, year = {2026}, url = {https://github.com/mxhjs29/human_exo_mocap_dataset} }

搜集汇总

数据集介绍

构建方式

在人体-外骨骼交互研究领域，数据采集的全面性与同步性至关重要。该数据集通过整合多模态传感器与运动捕捉系统，系统性地记录了人体与外骨骼在协同作业过程中的动态信息。构建过程涵盖了人体运动学、外骨骼关节状态、交互力学以及高层任务语义等多个维度，数据以同步时间戳对齐，确保了运动学与动力学参数在时间上的一致性。所有数据均以结构化数值格式存储，兼容NumPy等科学计算工具，便于后续分析与建模。

特点

本数据集的核心特点在于其多维度的数据融合与丰富的语义标注。它不仅提供了基于SMPL模型的人体全身运动参数，还同步采集了外骨骼的关节位置与速度，以及双侧人机交互力与交互刚度估计。更为突出的是，数据集包含了高层任务的自然语言描述，如手势、太极及搬运等动作的语义信息，并附有动作与位置相关的奖励信号。这种将底层运动数据与高层语义、奖励信号相结合的设计，为研究人机交互、模仿学习及具身智能提供了全面且结构化的数据基础。

使用方法

为支持人机交互、外骨骼控制及模仿学习等领域的研究，该数据集提供了清晰的使用路径。研究人员可直接通过NumPy等工具加载结构化的数据文件，每个样本均包含13个核心字段，涵盖了从人体姿态、外骨骼状态到交互力与任务语义的完整信息。数据可用于训练运动生成模型、评估控制算法或进行交互动力学分析。使用前需仔细阅读许可协议，确保仅用于学术研究目的，并在相关成果中引用提供的文献以尊重数据贡献者的工作。

背景与挑战

背景概述

人体-外骨骼运动捕捉与交互数据集由研究人员马沐原、陈硕等人于2026年构建并公开发布，旨在为人体与外骨骼之间的协同运动与交互动力学研究提供系统性数据支持。该数据集整合了基于SMPL模型的人体运动学参数、外骨骼关节状态、人机交互力以及任务级语义注释，核心研究问题聚焦于如何精确量化并建模人体与外骨骼在动态任务中的物理交互与运动协调机制。其多模态数据架构为人机交互、外骨骼自适应控制、生物力学分析及模仿学习等领域提供了关键基准，推动了具身智能与康复机器人技术的实证研究进展。

当前挑战

在领域问题层面，该数据集致力于应对人体-外骨骼交互中运动意图识别、交互力动态估计以及任务语义映射等复杂挑战，其目标在于解决外骨骼控制中因人体运动变异性和环境不确定性导致的适配困难问题。构建过程中的挑战主要体现在多源数据的高精度同步采集、基于SMPL模型的人体运动参数与外骨骼机械状态的时空对齐，以及交互刚度等隐式物理量的可靠估计，这些技术难点要求实验设计具备严格的传感器校准与数据融合流程。

常用场景

经典使用场景

在人体-外骨骼交互研究领域，该数据集为探索人机协同运动的动态特性提供了关键数据支撑。其经典使用场景集中于构建高保真的仿真环境，用于训练和验证基于强化学习或模仿学习的控制策略。研究人员能够利用同步记录的人体姿态、外骨骼关节状态及交互力数据，精确复现穿戴者与外骨骼设备之间的物理交互过程，从而在虚拟环境中优化控制算法的适应性与鲁棒性。

实际应用

在实际应用层面，该数据集为康复医疗与辅助机器人领域的技术落地提供了数据基础。基于其包含的日常任务（如搬运、太极动作）语义与动力学数据，工程师能够开发出更符合人体自然运动模式的智能外骨骼控制系统，用于中风后肢体功能重建、老年人行动辅助或工业场景中的体力增强，最终提升穿戴者的舒适度与操作效率。

衍生相关工作

围绕该数据集，已衍生出多个经典研究方向。例如，结合SMPL人体模型与交互力数据的工作，推动了基于物理的人体运动生成与仿真；利用其任务语义标注的研究，促进了自然语言指令到外骨骼动作的端到端学习框架发展；同时，该数据集也为验证如MyoSuite等肌肉骨骼控制仿真平台的真实性提供了重要参照，加速了接触富集环境下控制算法的迭代与评估。