专为「人机交互」而生的机械臂长什么样？
这款机械臂主打一个“安全”和“灵活”，甚至比人类的手臂还轻，它就是来自韩国的双臂机器人——Ambidex。
2019年时，我们曾介绍过它的原型，由NAVER LABS公司研发，其母公司 NAVER被誉为“韩国的谷歌” 。
当时Ambidex只有两只手臂，时隔5年再次见面，它看起来更像人了。
最大的变化就是有了头部 + 躯干 + 腰部，运动范围和稳定性都有了大幅度提升。
Ambidex还升级了触觉设备，现在能完成更多复杂任务，比如帮它的“同事”洗洗脸：
厨房里也是一把好手，削个红薯给你吃：
没事整点娱乐活动，打打乒乓球：
▍电缆驱动＋全新极简风外观设计
AMBIDEX 手臂使用电缆驱动机构，将所有重型执行器放置在肩部和身体部位，这样就减轻了手臂的重量，单只机械臂仅重 2.6 公斤，比成年男性的手臂还轻。
更轻的手臂代表着安全和灵活，它能够安全地与人们互动，比如拥抱、握手：
虽然自重轻，AMBIDEX还可以承受3kg的重量，并且能够以5m/s的最大速度运行。
和人类的手臂相同，Ambidex手臂也有7个关节自由度。官方称，它的创新机制能够同时增强每个关节的力和强度，能实现与工业机器人相同水平的控制、性能和精度！
在新增了头部、躯干和腰部的设计后，Ambidex外观看起来更炫酷了，但NAVER LABS表示，他们不想为了外在形象而牺牲研究效率，因此在外观上采用了“极简风”设计，使用黑色区域来隐藏传感器和螺栓连接部件，从而降低了视觉复杂性。
同时，考虑到机器人的运动以及组装的便利性，NAVER LABS最小化了盖板配置，专注于分型线的细节，以便盖板分离，保留了布线，同时将其重新诠释为设计元素，在展示基本结构的同时，最大限度地提高了整体视觉的平衡和统一性。
NAVER LABS目前还没有公布更多关于“人形Ambidex”的技术亮点，不过动作看起来确实更流畅和灵活。
▍学习人类的「物理智能」
仔细看，Ambidex在执行各种任务时，身后都有一位深藏功与名的工作人员：
看起来是工作人员在操纵Ambidex，其实是Ambidex在学习人类的「物理智能」。与多数基于预先输入的位置信息来运动的机械臂不同，Ambidex既然是为“人机交互”而生，在非结构化的日常任务中就要保证绝对安全。
那什么是人类的物理智能？NAVER LABS表示：人类在与外部环境互动时除了有意识的进行的活动外，还有很多事情是无意识的。比如：涂抹果酱时，人类不会考虑手指的每一个动作或施加在手腕和手指上的微小的力，基于这种身体经验的知识和智力称为“物理智能”。
为了把“物理智能”传授给机器人，NAVER LABS开发了一种触觉设备，与常见的控制设备不同，Ambidex的触觉设备以双边方式提供位置和力数据。它不仅允许用户向机器人发送移动位置的命令，而且还使用户能够感受到机器人所承受的力。让人通过触觉设备控制机器人来执行任务，同时机器人间接获得人类的物理智能。
▍触觉设备升级，从削红薯到打乒乓球
来看看Ambidex怎么通过触觉设备来削红薯的：
虽然看起来很简单，但整个动作是靠机器人的力控制和触觉设备的双边力传递来执行。如果其中任何一个不能正常工作，刀和土豆之间就会施加过大的摩擦力，从而可能破坏原料、工具或机器人本身。
“削红薯”展示的只是Ambidex的初代触觉设备，NAVER LABS后续又对其进行了升级。触觉设备2.0拥有更大的运动空间大小，复杂和详细运动的任务性能也有了显着提高，包括：机器人根据操作员的动作做出反应的速度，以及用户感受机器人所感受到的力的效率。
升级后的触觉设备可以执行涉及快速运动的复杂任务，比如打乒乓球，球拍必须迅速定位在正确的位置，与来球对齐。
在撞击的那一刻（击球时），它必须以足够的速度和正确的方向移动。如果触觉设备的惯性稍微大一点，或者如果将力的大小和方向从人类运动传递到机器人时存在延迟，乒乓球演示就不会成功。
尽管目前Ambidex还未实现自主执行任务，但或许这一天也不太遥远，因为NAVER LABS的目标是使用双边触觉设备作为收集高质量训练数据的有效工具，以提高Ambidex的智能水平，最终实现自行执行任务。
▍编辑结语
NAVER LABS对Ambidex的技术路线图清晰可见。通过双边触觉设备收集高质量的人机交互数据，进而训练机器人的智能模型，这种"人机协同学习"的思路可谓是一个重要的技术创新点。
从技术实现的角度来看，双边触觉设备采集的数据质量和丰富度将直接影响到机器人智能算法的性能表现。NAVER LABS需要在硬件设计、传感器选型、信号处理等环节进一步优化，确保数据的准确性、实时性和多样性。同时，如何设计高效的机器学习框架，从海量复杂的交互数据中提炼出通用的行为模式和决策策略，也是一个关键挑战。这需要在深度学习、强化学习、迁移学习等领域进行系统性的研究。
此外，数据驱动的智能提升与机器人的机电控制系统是紧密耦合的。Ambidex要想最终实现自主作业，还需要在运动规划、力控制、灵巧操作等方面取得新的突破。比如，如何基于视觉和触觉反馈实现精准的抓取和操作？如何在动态环境中保持平衡和鲁棒性？这些都是亟待攻克的技术难点。
总的来说，NAVER LABS为Ambidex制定的技术蓝图是切实可行的，其“以人带机、数据驱动“的发展思路代表了机器人研究的前沿方向。当前Ambidex还处在技术积累和迭代优化的阶段，要真正成长为一个全自主的智能系统，还需要在感知、认知、决策、控制等多个层面持续发力。
