早在中国清明时期，扯铃运动已经盛行。网络流传不少扯铃入门的影片，很多人都表示扯铃是一门技术，并没有想象中的容易。2020年末尾到了，科技发展得如此飞快，那么机器人会扯铃吗？还真的会！
如下图所示：两条机器手臂正在扯铃。
甚至，人机还能双打配合，一起炫技。
这脑洞来自来源于日本东京的公司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成立的子公司。该公司致力于机器人技术、电脑视觉、机器学习和人机互动等领域的尖端研究。
研究人员表示，这次研发的机器人扯铃的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。那么这一切是如何构建的？
首先人员推导出扯铃─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。
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，形成一个资料库，将资料库和模型比对。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。
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。MRON SINIC X 还表示准备发表仿真模型、资料库和控制算法，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。
关注风火轮，技术之路常相伴，我们下期见！
