Boston Dynamics gør Atlas til en testplatform for aktuatorer på hjul

Boston Dynamics beskrev i detaljer et forsøg med Atlas på hjul den 9. november 2026, efter at have udskiftet humanoidrobot­tens fødder med hjul for at undersøge aktuatorernes grænser og overførslen af helkropsforstærkningslæring fra simulering til hardware.

Virksomheden beskriver konfigurationen som en testplatform til forskning, ikke som et produkt. Forsøget skulle afdække, hvordan virkelige aktuatorer og en indlært helkropsstyring opfører sig sammen, når motorerne nærmer sig deres driftsgrænser. Acceleration, sving og opbremsning belaster motorerne, samtidig med at de kræver højt drejningsmoment og høj hastighed på tværs af deres driftsområde.

Boston Dynamics sagde, at mange års erfaringer med kunder, der bruger Spot og Stretch, har vist, at robotter i drift møder forhold, som et laboratorium ikke fuldt ud kan genskabe. Atlas’ kontrolingeniør Xiaoyu (Andy) Wu, som skrev beretningen, brugte testplatformen til at undersøge ekstrem aktuatoradfærd og robustheden af sin lavniveaujustering af styringen.

Motormodeller til træning fra simulering til virkelighed

Træningen omfattede millioner af robotsimuleringer, før styringspolitikken blev afprøvet på hardwaren. Problemet med overførsel fra simulering til hardware, kaldet sim-to-real, afhang af, om den modellerede motor kunne gengive den målte fysiske adfærd tilstrækkelig præcist til, at den indlærte styringspolitik kunne overføres. Styringspolitikker, der trænes med en idealiseret motor, kan øve bevægelser, som den virkelige robot ikke kan udføre; modeller, der er tilpasset hardwaren, understøtter derimod adfærd, som robotten kan gengive.

Forberedelserne omfattede tilpasning af lavniveaustyringens parametre på tværs af softwareopsætninger, forsøg med karakterisering af motorerne og justering af den simulerede motor ud fra målinger fra Atlas. Holdet evaluerede også forenklinger enkeltvis og beholdt uskadelige tilnærmelser, samtidig med at det undgik dem, der ville give styringspolitikken en urealistisk fordel under træningen.

Projektet forbandt aktuatorudvikling, lavniveaustyring af motorer og helkropsforstærkningslæring (RL) – områder, der på Atlas normalt hører til forskellige specialer. Wu har en baggrund inden for klassisk motorstyring, og dette var hans første større RL-projekt, som placerede ham i krydsfeltet mellem disse lag.

Forskerne tilpassede etablerede rammer for styringspolitikker ved at ændre belønningssammensætningen, rækken af træningskommandoer og håndteringen af kropsholdning. Wu sagde, at ændringerne gav en jævn rullebevægelse, mens Atlas forblev stabil og let at styre, og beskrev den efterfølgende overførsel til hardware som nærmest perfekt.

Rulledemonstrationer og en minimal ombygning

Nogle demonstrationer tog udgangspunkt i bevægelsesoptagelser af mennesker, som Wu havde udvalgt, fordi fødderne gled meget. Under træningen af sideværts ryk blev menneskenes fodglidninger omsat til styrede rullebevægelser, efterhånden som styringspolitikken lærte at bruge hjulene.

Til springet på 360 grader fulgte styringen en bevægelsesbane, der var optaget af en person, som sprang. Wu beskrev bevægelsen som relativt lavrisiko trods dens energiske udseende og sagde, at det lykkedes i første forsøg. Mens robotten gjorde sig klar til afsæt, rullede dens hjulbaserede underkrop hurtigt på plads inden det opadgående skub, hvilket viste en anden måde at udnytte vejgrebet på end Atlas med fødder.

Den hardware, der lå til grund for bevægelserne, krævede kun få ændringer. Den eneste tilføjede komponent var en specialfremstillet adapter, der forbandt en standardfælg fra et løbehjul med Atlas’ eksisterende ankelaktuator. I den grundlæggende softwaremodel blev hvert hjul til en ankel, der kunne rotere kontinuerligt, så Wu kunne erstatte fødderne med hjul uden at konstruere en separat robotmodel.

Erfaringer til standardudgaven af Atlas

Boston Dynamics sagde, at erfaringerne fra forsøget allerede er ved at blive overført til standardkonfigurationen af Atlas. En tættere integration af aktuatorernes dynamik og helkrops-RL skal gøre styringspolitikken mere robust over for fejltilstande og udvide robottens kapacitet. Demonstrationerne forbinder dermed en usædvanlig forskningskonfiguration direkte med det styresystem, der bruges i den almindelige tobenede robot.

Wu er også begyndt at arbejde med styringspolitikker for defekte aktuatorer, herunder om forstærkningslæring kan frembringe emergente reaktioner på sådanne fejl. Det videre arbejde udvider denne pålidelighedsindsats til hardware, hvis adfærd ændrer sig efter en fejl, og undersøger, om indlært styring kan reagere, når en virkelig aktuator afviger fra sin forventede adfærd.