现代战争中，无人机、无人车及无人艇等无人系统已逐渐在战场部署，但是无人系统单体存在负载和任务能力有限、作战能力单一等不足。为了弥补单体能力不足，同时提高其对作战任务的适应能力，无人系统可以以集群方式进行作战。集群方式能充分发挥其监控范围广、抗毁重构性强的优势，具备独立完成复杂任务的能力，可以实现跨域集群作战。
无人系统的集群智能协同是指由遂行同一任务、受统一指挥并保持视距联系或战术联系的若干无人系统编队。集群智能协同技术通过协同感知、协同决策规划和协同编队控制，实现集群内各个节点高效配合，提高复杂环境下多任务的适应能力。
NOKOV实现多无人系统亚毫米级实时定位
为了验证集群智能协同系统置信度问题，通常会设计无人机、无人车、无人艇编队等效验证平台，系统性地验证协同感知、协同决策、时变编队控制等技术。平台通常由网络通信子系统、多智能体子系统、组合定位子系统构成，动作捕捉系统为组合定位子系统中的主要定位方式。
进行协同决策、编队控制验证时，首先要实现单体自动控制，为了简化实验，可以利用NOKOV动作捕捉系统同时对多无人系统进行定位，获取的位置、速度、加速度数据作为控制系统的输入信号。以无人机为例，无人机的轨迹跟踪控制包括位置控制、姿态解算与姿态控制三个部分。典型的位置控制采用位置-线速度串级控制器，控制器的输出为NOKOV动作捕捉系统坐标系下的加速度；姿态解算模块将NOKOV动作捕捉系统坐标系下的加速度转换为大地坐标系下的加速度，再转换成机体坐标系下的参考加速度；姿态控制最后通过加速度的分解，解算出参考姿态角，并作为姿态控制的输入，控制无人机到达指定位置。
分布式集群协同编队控制中，需要完成领航者的轨迹规划，跟随者跟踪领航者的实际位置，与领航者维持相对位置不变，进而保持编队队形。在此过程中，无人系统单体只需与相邻的单体之间进行信息交换，领航者需要完成参考轨迹生成以及位置控制，精确跟踪期望轨迹，其实时位置及姿态可以直接通过 NOKOV动作捕捉系统获取后传送给队形保持器，其他单体根据相对位置解算出控制力，保持集群编队队形。
模型受限于其载量时，无人系统验证实验（以无人艇为例）的编队控制和运动控制算法可以直接在上位机上实现，NOKOV动作捕捉系统获取的数据传输到上位机，解算后作为控制命令传输到无人艇，无人艇主要功能是接收工作站的控制量，并驱动两个螺旋桨达到相应的转速。虽然各模型艇的自主化程度较低，完全分布式的编队较难实现，但这一集中化的平台有利于分布式编队算法和运动控制算法的快速实施，利用NOKOV动作捕捉工作站向外广播数据，不用考虑通信时延、通信丢包等带来的影响。也可以直接利用平台模拟通信丢包和通信时延等问题。
除此之外，对于使用机载传感器进行定位、编队的无人系统，验证集群智能协同技术有效性时，要分析无人机、无人车和无人艇所估计的运动轨迹与真实运动轨迹的误差，通常需要获得多个无人系统的高精度的真实轨迹，一般称为“ground truth”。因为动捕系统得到的轨迹误差低至亚毫米级，且可以同步获取多个无人系统轨迹，而SLAM系统等机载定位传感器的轨迹误差通常至少是厘米级的，因此使用动捕系统作为“ground truth”是可靠的。
NOKOV动作捕捉用于集群智能协同案例
NOKOV动作捕捉在集群智能协同技术等效验证平台开发方向与多所高校、科研院所展开合作，作为其系统中的室内定位解决方案。
北京理工大学无人机/无人车异构集群协同
集群智能协同控制系统基于一致性算法完成空地协同巡逻任务，运用无人车的灵活性完成以敌方目标为中心，卫星环绕式的围捕任务。以无人机的广阔视野和无人车的高机动性为基础，完成无人机将搜索到的目标及时传给无人车，无人车接收到信息后对敌方目标展开围捕的探测围捕任务。
中科院自动化所无人车协同避障
实验过程在各个无人车及障碍物上放置反光标志点，不同标志点排布形式用于区分机器人个体的ID，通过捕捉无人车障碍物上反光标志点，得到标志点的三维坐标，并利用SDK向外实时广播。单个无人车可以接收到本体、邻近无人车以及障碍物位置信息，坐标信息精度达到亚毫米级。
