早在中国明清时期，扯铃运动就开始兴起盛行，扯铃是典型的基础性节律运动，活动到身体很多部位、预防五十肩等疾病，还能提高新陈代谢，有助身体健康。
网络流传不少扯铃入门影片，很多人表示扯铃是门技术，想轻松自如扯铃并没有想像中容易，问题来了：2020 年就快结束了，大家都说科技发展很快，那机器人会扯铃吗？
还真的会！
脑洞从何而来？
有影片截图为证：两条机器手臂正在扯铃。
（Source：影片截图，下同）
甚至，人机还能双打配合，一起炫技。
这脑洞来自位于日本东京的公司 OMRON SINIC X。
OMRON SINIC X 总部位于日本京都，是知名自动化控制及电子设备制造厂商欧姆龙集团（OMRON Corporation）2018 年成立的子公司，设立主要目的就在“近未来设计”──据官网介绍，OMRON SINIC X 致力于机器人技术、电脑视觉、机器学习和人机互动等领域的尖端研究。
身为欧姆龙集团的战略据点，OMRON SINIC X 聘用多领域的杰出人才，包括人工智能、机器人、物联网、制造业和金融业等，同时还与学校、科研机构有密切合作，旨在重点解决 4 领域的社会问题：工厂自动化、医疗、机动、能源管理。
说到这里，不得不提一下欧姆龙集团在机器人领域的经典时刻──2016 年 9 月 8 日，欧姆龙官网宣布，开发的能持续与人类乒乓球对打的机器人 Forpheus 被吉尼斯世界纪录认定为世界首台乒乓球教练机器人。
这次为何尝试让机器人扯铃呢？
研究人员表示，目标在于推动机器人精细控制和人机协作。
对机器人来说，扯铃可说是挑战递增、激励不断的绝佳学习过程，可惜类似模型目前还未设计出来。如果用真正机器手臂训练，成本会很高，且这类高加速度任务（扯铃主要靠惯性）的确有一定危险性。
基于上述想法，研究人员做出一个扯铃模型（diabolo model），故机器人也能扯铃了。
模型如何构建？
过程可在 OMRON SINIC X 发表于预印本平台 arXiv 的论文找到答案。论文题为《An analytical diabolo model for robotic learning and control》（机器人学习并控制的扯铃分析模型）。
首先，研究人员推导出扯铃─绳子系统的分析模型。扯铃核心在于绳子，要模拟绳子并不容易，原因在于摩擦力取决于许多困难甚至不可能测量出来的参数，且扯铃本身和绳子的交互作用也十分灵活非线性。因此模型简化扯铃原本的复杂动作，用一个椭圆表示绳子轨迹，用以计算力与运动。
如下图所示，手持棒子的顶端恰好是椭圆的焦点。当然这只是平面图，3D 空间里椭圆形就成了椭球体。
（Source：arXiv）
研究人员假设扯铃不同的几种状态，如：
- 绳子紧绷状态：扯铃在椭圆内运动。
- 绳子松弛状态：扯铃的中间部分安全地卡在绳子上。
- 扯铃飞行状态：扯铃在椭圆以外运动。
为确保模型准确性，研究人员透过记录人们花式扯铃的过程，形成一个数据库，将数据库和模型比对。结果表明，不论精确度还是物理一致性，模型的表现都超过基于深度学习的预测器。
（Source：影片截图，下同）
接着，研究人员描述基于最优控制的方法“基于模型的预测控制”（Model-based Predictive Control，MPC）。以扯铃速度和位置输入，透过最佳化棒子之一的运动轨迹，预测两根棒子顶端的运动轨迹，生成机器人扯铃轨迹，让机器人解锁更多花式玩法。
具体到下图：
- 黄色线条代表预测的扯铃轨迹
- 绿色线条代表目标状态
- 白色线条代表下一次轨迹出现前的预测
- 红色、蓝色线条代表两根小棒顶端的轨迹
透明红色区域代表实际 3D 情境形成的椭球体轨迹。
最后，研究人员在真实机器人系统测试，做到人机扯铃。研究人员表示，希望这项研究能对机器人技术有推动作用，激励机器人学习出现更多想法。
OMRON SINIC X 还表示准备发表仿真模型、数据库和控制算法，当作独立模组和 Gazebo 工具供大家学习，感兴趣的读者可持续关注。
（本文由 雷锋网 授权转载；首图来源：影片截图）
