这个机械臂算是把乒乓球扣杀玩明白了：
一挥拍子，球速高达20m/s，给对手吓得躲到了一边：
把球拍换成网兜，还能做一个称职的接球助手：
换成难度更大的机械手，接球依旧很稳：
这是马克斯·普朗克研究所最新研发的机械臂PAMY2，以上是它经过强化学习后的结果，PAMY2具有四个自由度，大小和人类手臂差不多，利用肌腱驱动，能精确且丝滑地完成任务。
它平衡了传统机械臂无法完全达到的四要素：“高速”、“安全”、“精准“、“耐用”，运动速度高达12m/s，同时兼顾安全性，在它高速运转时接触也不会有危险：
高速且安全稳定的机械臂
一个机械臂要同时做到“高速”、“安全”、“精准”、“耐用”可不容易，传统机械臂往往使用电机驱动，这种刚性笨重的设计使其在快速运动中会产生过大的力，从而丧失了与人交互的安全性；但如果以高安全标准执运动，精确度有可能下降。
另一方面，尺寸较小或软体机械臂可以安全精准地与人互动，但此类机器人无法执行高强度的力量，软材料的耐用性较刚性材料来说也比较差。
为了在这些关键要素中找到一个微妙的平衡点，马克斯·普朗克研究所想到了肌腱驱动，不同于其他机械臂的是，他们没有把驱动器放在机械臂关节上，而是放在底座上。
这样一来，机械臂的运动质量会大大减小，只有1.3kg，从而惯性也会减小、速度和安全性就会提升，使其在动态任务中能够高效且安全地运行。
机械臂使用“气动人工肌肉”作为肌腱驱动器，具有很好的被动顺应性，大大地减小了外部碰撞时的峰值力。
与被动顺应性相对的是主动顺应，也就是利用传感器数据和反馈控制来适应和响应外部力量，但如果反应时间过长，就无法防止损坏。而“气动人工肌肉”本身固有的柔软和被动顺应允许机器人在不需要复杂的控制方案的情况下吸收和消散外力，提升安全性。
奖励机制学习乒乓球扣杀
再来看看机械臂是如何学习乒乓球扣杀的。
强化学习（RL）可以解决复杂的任务，如围棋、仿真中的全身运动任务或机器人操纵等。然而，在现实世界中应用强化学习时，通常需要对机器人进行安全限制，以避免意外损坏。这对于慢速运动的任务很合适，但在乒乓球扣球具有较强的技巧性和爆发力，当球一个飞来的时候，球拍应该在远离球的位置就要加速，以获得动量并及时击中球，普通强化学习的安全限制就不再适用于这种爆发性的动作了。
因此，研究人员重点放在了利用气动人工肌肉对机械臂进行无模型强化学习，气动人工肌肉可通过调整压力范围使机械臂运动，而它的柔软和反驱动性让机械臂无法离开自己的安全区域，所以就算解除了强化学习的安全限制，机械臂的运动依然是安全的。
机械臂由8个气动肌肉分别驱动4个自由度，研究人员利用奖励函数定义任务目标来训练机械臂，通过提供关于离球拍有多近的反馈，鼓励机械臂更靠近球，并最终击中球。该方法能够直接在奖励函数中最大化回球的速度来支持高度加速的扣球。
在训练过程中，研究人员让真实的机器人和一个模拟球进行学习，这是机械臂开始时的初始位：
学习一个动作后， 在击球之前， 它首先缩回来产生动量，扣杀动作中，球拍的速度达到了12米/秒：
减少摩擦，提升寿命
尽管机械臂采用的肌腱驱动虽然有很多好处，但它还有个致命的缺点——容易受到摩擦，从而导致磨损和撕裂、降低机械臂的使用寿命。
为了减少摩擦，研究人员在机械臂的设计中采用了连续的聚四氟乙烯（PTFE）Bowden管，PTFE可以显著减少摩擦，延长肌腱的使用寿命；Bowden管还具有抗扭曲和分离的特性，有效减少肌腱缠绕的风险。
另外，研究人员设计的Bowden管还包括内管和定制外部支撑元件，通过提供外部支撑来保持肌腱长度恒定，从而有效地解耦不同关节的运动，提高整个系统的精度。
除了Bowden管外，研究人员还使用球轴承来替代传统的滑动轴承，提升了紧凑性，显著减少了关节摩擦和静摩擦。
为了促进动态机械臂任务的进一步研究和开发，马克斯·普朗克研究所已经将机器人的硬件和软件组件都开源了！
PAMY2机械臂设计与组装所用到的部件都可以直接买到或者3D打印， 还能与任意的电动末端执行器相结合，你可以安装各种机械手、乒乓球拍等部件。
同时，他们还提供了开源的软件框架（o80框架），使用Python和c++的通用API来控制和监控机器人。o80软件框架与机器人的可编程逻辑控制器（PLC）通过UDP进行通信，传输诸如机器人状态（关节角度和速度、肌肉压力和阀门位置）、动作（目标压力或目标关节位置，取决于控制模式）以及错误信息等数据。
