通过使用 quaternions 表示旋转，使用前向运动学来惩罚绝对位置误差，同时比较 quaternions 和 Euler 角的性能，我们提出了一种新方法 --QuaterNet，用于预测和生成 3D 人体姿势序列。经过实验证明这种方法在短期和长期预测和生成任务中都取得了良好的效果，相比于人体图像学界最新的神经策略，我们的方法被评估为非常逼真。此外，我们还发现，Human3.6M 的标准评估协议产生了高方差结果，提出了简单的解决方案。

Jan, 2019

利用双四元数表示 3D 空间中刚体运动，以同时描述旋转和平移，克服了传统代数无法准确编码平移的问题，并在实验证明了该方法在学习对象轨迹方面的有效性。

Oct, 2023

本文对于三维空间内的四元数和旋转相关的概念和公式进行详尽的修订，并探讨了它们在估计引擎 (如误差状态 Kalman 滤波器) 中的正确使用。论文深入研究了旋转群及其李群结构，使用四元数和旋转矩阵进行公式推导，并对旋转扰动、导数和积分进行特别关注。论文的整体材料用于设计适用于 IMU 信号集成的实际应用的误差状态 Kalman 滤波器的精确公式。

Nov, 2017

本文介绍了一个概率建模的框架，用于从机器人的传感器中融合与合并弱信息以便精确定位厨房中的物体，以及传递不确定信息数据。该框架对包括融合和合并估计在内的操作提供了大量概率分布的表示。

Jun, 2017

研究了一个基于数据模型的手势识别方法，利用 RGB-D 图像和手模型来实现， 并采用粒子群优化算法和 GPU 并行计算来解决高维度空间下的优化问题。该算法性能稳定且快速，处理每帧时间为 0.8 秒。

May, 2020

本文提出了一种基于双四元数 Riemann 流形的新型主成分局部回归滤波器，并在 7 维实射影空间中，共同处理旋转和平移，利用此流形结构提供一种异常鲁棒的通用姿势过滤 IRLS 算法，从理论和实验上表明了该流形感知滤波对姿态跟踪和平滑处理的实际优势。

Apr, 2017

本研究通过实验研究了四元数在多种机器学习算法中的应用。四元数是三维空间中旋转的数学表示，可用于表示复杂数据转换。通过随机生成的四元数数据和相应标签，将四元数转换为旋转矩阵作为输入特征，基于四元数和多种机器学习算法，研究表明在预测任务中具有更高的准确度和显著改善的性能。总体而言，本研究为利用四元数进行机器学习任务提供了实证基础。

Aug, 2023

本研究利用深度學習方法中的循環神經網路，使用四元數表示旋轉矩陣，並在預測人體姿勢時，通過直接避免產生角度誤差而避免骨骼伸展和無效配置。在短期預測上，QuaterNet 方法可以量化地提高所得到的結果，而在長期模擬方面，本研究方法的效果與近期的網路策略相當。

May, 2018

本文介绍一种可用于多体机器人动力学的混合模型，采用计算图架构将牛顿欧拉方程体现出来，实现动态几何转化为有效的计算结构，结合灰盒架构进行系统参数辨识。同时，将动力学参数和运动学参数进行联合建模，与黑盒组件相结合取得了较好效果。

Oct, 2020

本文提出了一种考虑人体部位自由度的渐进式方法，将高 DOF 部位作为低 DOF 部位的相关组件来建模，以实现物理限制和合理的姿势估计结果，并在几个基准测试中取得了优异的成果。

May, 2019