Boston Dynamics mění Atlase v testovací platformu pro aktuátory na kolech

Boston Dynamics podrobně popsala experiment s Atlasem na kolech 9. listopadu 2026 poté, co humanoidovi vyměnila chodidla za kola, aby prozkoumala limity aktuátorů a přenos posilovaného učení celého těla ze simulace do hardwaru.

Společnost tuto konfiguraci popisuje jako výzkumnou testovací platformu, nikoli jako produkt. Cílem experimentu bylo zjistit, jak se skutečné aktuátory a naučený řídicí systém pro celé tělo chovají společně, když se motory blíží svým provozním limitům. Zrychlování, zatáčení a zastavování udržují motory pod zatížením a současně vyžadují vysoký točivý moment a vysokou rychlost v celém jejich provozním rozsahu.

Boston Dynamics uvedla, že dlouholeté zkušenosti zákazníků s roboty Spot a Stretch ukázaly, že roboty nasazené v provozu čelí podmínkám, které laboratoř nedokáže plně napodobit. Inženýr řídicích systémů Atlasu Xiaoyu (Andy) Wu, který zprávu napsal, využil tuto testovací platformu ke zkoumání extrémního chování aktuátorů a odolnosti svého nízkoúrovňového nastavení řízení.

Modelování motorů pro trénink s přenosem ze simulace do reality

Před nasazením řídicí politiky na hardwaru proběhl trénink na milionech simulací robota. Problém přenosu ze simulace do hardwaru, označovaný jako přenos ze simulace do reality, závisel na tom, zda se podaří modelovaný motor nastavit tak, aby dostatečně přesně napodoboval naměřené fyzické chování a naučená politika se dala přenést. Politiky trénované s idealizovaným modelem motoru mohou nacvičovat pohyby, které skutečný robot nedokáže provést; modely odpovídající hardwaru naopak umožňují naučit se chování, které robot dokáže zopakovat.

Příprava zahrnovala sladění parametrů nízkoúrovňového řízení v různých softwarových prostředích, provádění experimentů ke zjištění charakteristik motorů a ladění simulovaného motoru podle měření z Atlasu. Tým také samostatně vyhodnocoval jednotlivá zjednodušení a ponechával ta neškodná, zatímco se vyhýbal těm, která by řídicí politice během tréninku poskytla nerealistickou výhodu.

Projekt propojil návrh aktuátorů, nízkoúrovňové řízení motorů a posilované učení celého těla (RL), tedy obory, které u Atlasu obvykle zajišťují oddělení specialisté. Wu se věnuje klasickému řízení motorů a šlo o jeho první rozsáhlejší projekt v oblasti RL, takže se ocitl na pomezí těchto vrstev.

Výzkumníci upravili zavedené rámce pro řídicí politiky a změnili složení odměny, rozsah příkazů používaných při tréninku i způsob práce s držením těla. Wu uvedl, že tyto změny zajistily plynulý pohyb na kolech a současně udržely Atlas stabilní a snadno ovladatelný; přenos výsledné politiky na hardware označil za v podstatě dokonalý.

Ukázky jízdy na kolech a minimální úprava robota

Některé ukázky vycházely z klipů s lidským pohybem zachyceným systémem pro snímání pohybu, které Wu vybral kvůli výraznému klouzání chodidel. Při tréninku bočního úhybu se lidské klouzavé pohyby chodidel proměnily v řízené pohyby na kolech, které se řídicí politika naučila provádět.

Při skoku s otočkou o 360 stupňů řídicí systém sledoval trajektorii pohybu zaznamenanou u člověka provádějícího skok. Wu tento pohyb navzdory jeho energickému vzhledu označil za poměrně málo rizikový a uvedl, že se podařil hned na první pokus. Když se robot připravoval k odrazu, jeho spodní část osazená koly rychle zaujala správnou polohu ještě před odrazem vzhůru. Ukázalo se tak jiné využití trakce než u Atlasu stojícího na chodidlech.

Hardware potřebný k těmto pohybům vyžadoval jen drobné úpravy. Jediným přidaným dílem byl adaptér vyrobený na míru, který spojoval běžně dostupný ráfek koloběžky se stávajícím kotníkovým aktuátorem Atlasu. V základním softwarovém modelu se každé kolo stalo kotníkem schopným nepřetržité rotace, takže Wu mohl vyměnit chodidla za kola, aniž by musel vytvářet samostatný model robota.

Poznatky pro standardní verzi Atlasu

Boston Dynamics uvedla, že poznatky z experimentu se již promítají do standardní konfigurace Atlasu. Užší propojení dynamiky aktuátorů s posilovaným učením celého těla má zvýšit odolnost řídicí politiky vůči různým typům selhání a rozšířit schopnosti robota. Ukázky tak přímo propojují neobvyklou výzkumnou konfiguraci s řídicím systémem používaným u běžného dvounohého robota.

Wu se také začal věnovat řídicím politikám pro případ selhání aktuátorů, včetně otázky, zda posilované učení dokáže vytvářet spontánní reakce na tato selhání. Navazující práce rozšiřuje výzkum spolehlivosti na hardware, jehož chování se po poruše mění, a ověřuje, zda naučené řízení dokáže reagovat, když se skutečný aktuátor začne chovat jinak, než se očekává.