Boston Dynamics convierte a Atlas en una plataforma de pruebas de actuadores con ruedas

Boston Dynamics detalló un experimento de Atlas con ruedas el 9 de noviembre de 2026, después de sustituir los pies del humanoide por ruedas para analizar los límites de los actuadores y la transferencia del aprendizaje por refuerzo de cuerpo completo desde la simulación al hardware.

La empresa describe esta configuración como una plataforma de pruebas para investigación, no como un producto. El experimento se diseñó para observar cómo se comportan conjuntamente los actuadores reales y un controlador de cuerpo completo entrenado cuando los motores se acercan a sus límites de funcionamiento. Acelerar, girar y detenerse mantiene los motores bajo carga, al tiempo que exige un par elevado y una gran velocidad en todo su rango de funcionamiento.

Boston Dynamics señaló que años de experiencia con los clientes de Spot y Stretch han demostrado que los robots en servicio se enfrentan a condiciones que un laboratorio no puede reproducir por completo. Xiaoyu (Andy) Wu, ingeniero de control de Atlas, quien escribió el relato, utilizó la plataforma de pruebas para examinar el comportamiento de los actuadores en condiciones extremas y la robustez de sus ajustes de control de bajo nivel.

Modelos de motor para el entrenamiento de la simulación al mundo real

El entrenamiento se basó en millones de simulaciones del robot antes de que la política de control se ejecutara en el hardware. El problema de trasladar la simulación al hardware, denominado sim-to-real, dependía de que el motor modelado reprodujera el comportamiento físico medido con suficiente precisión para que la política aprendida pudiera transferirse. Las políticas entrenadas con un motor idealizado pueden ensayar movimientos que el robot real no puede ejecutar; en cambio, los modelos ajustados al hardware permiten comportamientos que el robot sí puede reproducir.

La preparación incluyó igualar los parámetros de control de bajo nivel en distintas configuraciones de software, realizar experimentos para caracterizar los motores y ajustar el motor simulado a partir de mediciones de Atlas. El equipo también evaluó las simplificaciones por separado y conservó las aproximaciones inocuas, a la vez que evitó las que darían a la política una ventaja poco realista durante el entrenamiento.

El proyecto combinó el diseño de actuadores, el control de motores de bajo nivel y el aprendizaje por refuerzo de cuerpo completo (RL), especialidades que en Atlas suelen estar separadas. Wu tiene formación en control clásico de motores, y este fue su primer proyecto importante de RL, lo que lo situó en los límites entre esas áreas.

Los investigadores adaptaron marcos de trabajo establecidos para políticas de control y modificaron la composición de las recompensas, el rango de comandos de entrenamiento y el manejo de la postura. Wu afirmó que esos cambios permitieron que Atlas rodara con fluidez, manteniéndose estable y fácil de manejar, y describió la transferencia resultante al hardware como prácticamente perfecta.

Demostraciones sobre ruedas y una adaptación mínima

Algunas demostraciones partieron de fragmentos de captura de movimiento humano que Wu eligió porque mostraban un deslizamiento considerable de los pies. El entrenamiento del desplazamiento lateral transformó esos deslizamientos de los pies humanos en movimientos dirigidos con ruedas, a medida que la política aprendía a utilizarlas.

Para el salto de 360 grados, el controlador siguió una trayectoria de movimiento registrada a partir de un saltador humano. Wu describió la maniobra como relativamente poco arriesgada, pese a su apariencia enérgica, y dijo que salió bien al primer intento. Mientras el robot se preparaba para despegar, la parte inferior de su cuerpo, equipada con ruedas, rodó rápidamente hasta colocarse en posición antes del impulso hacia arriba, lo que mostró un uso de la tracción distinto al de Atlas cuando se desplaza sobre sus pies.

El hardware empleado para esos movimientos requirió pocos cambios. El único componente añadido fue un adaptador personalizado que conectaba una llanta de patinete comercial con el actuador de tobillo existente de Atlas. En el modelo de software de referencia, cada rueda pasó a ser un tobillo capaz de girar continuamente, lo que permitió a Wu sustituir los pies por ruedas sin construir un modelo de robot independiente.

Lecciones para el Atlas estándar

Boston Dynamics afirmó que las lecciones del experimento ya se están incorporando a la configuración estándar de Atlas. Una integración más estrecha entre la dinámica de los actuadores y el aprendizaje por refuerzo de cuerpo completo busca mejorar la robustez de la política de control frente a modos de fallo y ampliar las capacidades del robot. Así, las demostraciones conectan directamente una configuración de investigación inusual con el sistema de control que utiliza la máquina bípeda convencional.

Wu también ha empezado a trabajar en políticas de control para actuadores averiados, entre otras cosas para determinar si el aprendizaje por refuerzo puede generar respuestas emergentes ante esos fallos. Este trabajo posterior amplía el estudio de la fiabilidad al hardware cuyo comportamiento cambia tras una avería y evalúa si el control aprendido puede responder cuando un actuador real se desvía del comportamiento previsto.