Boston Dynamics ने Atlas को पहियों वाले एक्चुएटर परीक्षण मंच में बदला

Boston Dynamics ने 9 नवंबर, 2026 को पहियों वाले Atlas प्रयोग का विस्तृत विवरण दिया। एक्चुएटर की सीमाओं और पूरे शरीर के सुदृढीकरण अधिगम को सिमुलेशन से वास्तविक हार्डवेयर पर लागू करने की प्रक्रिया की जाँच के लिए ह्यूमनॉइड के पैरों की जगह पहिए लगाए गए थे।

कंपनी इस व्यवस्था को उत्पाद नहीं, बल्कि शोध-परीक्षण मंच बताती है। इस प्रयोग का उद्देश्य यह देखना था कि मोटरों के अपनी परिचालन सीमाओं के करीब पहुँचने पर वास्तविक एक्चुएटर और सीखा हुआ पूर्ण-शरीर नियंत्रक एक साथ कैसे काम करते हैं। तेज़ी से गति पकड़ने, मुड़ने और रुकने के दौरान मोटरें भार के अधीन रहती हैं और उनसे उनकी परिचालन सीमा में उच्च टॉर्क तथा तेज़ गति की माँग होती है।

Boston Dynamics ने कहा कि Spot और Stretch के ग्राहकों के साथ वर्षों के अनुभव से पता चला है कि वास्तविक उपयोग में तैनात रोबोट को ऐसी परिस्थितियों का सामना करना पड़ता है जिन्हें प्रयोगशाला में पूरी तरह दोहराया नहीं जा सकता। इस विवरण के लेखक, Atlas के नियंत्रण इंजीनियर Xiaoyu (Andy) Wu ने इस परीक्षण मंच का उपयोग अत्यधिक एक्चुएशन व्यवहार और अपने निम्न-स्तरीय नियंत्रण समायोजन की मजबूती की जाँच के लिए किया।

सिम-टू-रियल प्रशिक्षण के लिए मोटर मॉडल

नीति को हार्डवेयर पर लागू करने से पहले लाखों रोबोट सिमुलेशन में प्रशिक्षण दिया गया। सिमुलेशन से हार्डवेयर तक पहुँचने की इस समस्या, जिसे सिम-टू-रियल कहा जाता है, के समाधान के लिए मॉडल में मोटर के व्यवहार को मापे गए वास्तविक व्यवहार से इतना सटीक मिलाना ज़रूरी था कि सीखी हुई नीति को वास्तविक हार्डवेयर पर लागू किया जा सके। आदर्शीकृत मोटर के आधार पर प्रशिक्षित नीतियाँ ऐसी गतिविधियों का अभ्यास कर सकती हैं जिन्हें वास्तविक रोबोट कर ही न सके; इसके उलट, हार्डवेयर से मेल खाते मॉडल ऐसे व्यवहार विकसित करने में मदद करते हैं जिन्हें रोबोट वास्तव में दोहरा सकता है।

तैयारी में अलग-अलग सॉफ़्टवेयर व्यवस्थाओं में निम्न-स्तरीय नियंत्रण पैरामीटरों का मिलान करना, मोटर के गुणों को मापने वाले प्रयोग करना और Atlas से लिए गए मापों के आधार पर सिमुलेटेड मोटर का समायोजन करना शामिल था। टीम ने सरलीकरणों का भी एक-एक करके मूल्यांकन किया और हानिरहित सन्निकटनों को बनाए रखते हुए उन सरलीकरणों से परहेज़ किया जो प्रशिक्षण के दौरान नीति को अवास्तविक लाभ देते।

इस परियोजना में एक्चुएटर डिज़ाइन, निम्न-स्तरीय मोटर नियंत्रण और पूर्ण-शरीर सुदृढीकरण अधिगम (RL) को एक साथ जोड़ा गया—ये ऐसे क्षेत्र हैं जिनके विशेषज्ञता समूह आम तौर पर Atlas पर अलग-अलग काम करते हैं। Wu की विशेषज्ञता पारंपरिक मोटर नियंत्रण में है और यह उनकी पहली बड़ी RL परियोजना थी, जिसने उन्हें इन परतों की सीमाओं पर काम करने का अवसर दिया।

शोधकर्ताओं ने स्थापित नीति ढाँचों को अपनाते हुए पुरस्कार संरचना, प्रशिक्षण आदेशों की सीमा और मुद्रा-संभाल में बदलाव किए। Wu ने कहा कि इन बदलावों से Atlas स्थिर और चलाने में आसान रहते हुए सहजता से लुढ़का, और उन्होंने हार्डवेयर पर इस व्यवहार के सफल हस्तांतरण को लगभग पूर्ण बताया।

पहियों पर चलने के प्रदर्शन और न्यूनतम बदलाव

कुछ प्रदर्शनों की शुरुआत मानव गति-कैप्चर क्लिप से हुई, जिन्हें Wu ने पैरों के ज़्यादा फिसलने के आधार पर चुना था। साइड-डैश के प्रशिक्षण में मानव पैरों के इन फिसलने वाले आंदोलनों को दिशा बदलते हुए पहियों पर लुढ़कने वाली गतिविधियों में बदला गया, ताकि नीति पहियों का उपयोग करना सीख सके।

360-डिग्री छलाँग के लिए नियंत्रक ने एक मानव छलाँग लगाने वाले व्यक्ति की रिकॉर्ड की गई गति-प्रक्षेपवक्र का अनुसरण किया। Wu ने कहा कि देखने में यह करतब ऊर्जावान लगने के बावजूद अपेक्षाकृत कम जोखिम वाला था और पहली ही कोशिश में सफल रहा। उड़ान भरने से पहले रोबोट का पहियों वाला निचला हिस्सा तेज़ी से लुढ़ककर सही स्थिति में आया और फिर उसने ऊपर की ओर धक्का दिया। इससे पता चला कि पैरों पर चलने वाले Atlas की तुलना में पहियों के साथ पकड़ का उपयोग अलग तरह से होता है।

इन गतिविधियों के लिए हार्डवेयर में बहुत कम बदलाव करने पड़े। जोड़ा गया एकमात्र पुर्जा एक विशेष रूप से बनाया गया अडैप्टर था, जिसने बाज़ार में उपलब्ध स्कूटर के रिम को Atlas के मौजूदा टखना एक्चुएटर से जोड़ा। आधारभूत सॉफ़्टवेयर मॉडल में हर पहिए को लगातार घूम सकने वाले टखने के रूप में दर्शाया गया, जिससे Wu अलग रोबोट मॉडल बनाए बिना पैरों की जगह पहिए लगा सके।

मानक Atlas के लिए सीख

Boston Dynamics ने कहा कि इस प्रयोग से मिली सीख को पहले ही Atlas की मानक व्यवस्था में शामिल किया जा रहा है। एक्चुएटर की गतिशीलता और पूर्ण-शरीर RL के बीच अधिक निकट एकीकरण का उद्देश्य विफलता की स्थितियों के सामने नीति की मजबूती बढ़ाना और रोबोट की क्षमताओं का विस्तार करना है। इस तरह, ये प्रदर्शन एक असामान्य शोध व्यवस्था को सीधे उस नियंत्रण प्रणाली से जोड़ते हैं जिसका उपयोग पारंपरिक दो पैरों वाली मशीन में होता है।

Wu ने विफल एक्चुएटरों के लिए नीतियों पर भी काम शुरू कर दिया है। इसमें यह जाँचना शामिल है कि क्या सुदृढीकरण अधिगम ऐसी विफलताओं के जवाब में स्वतः उभरने वाली प्रतिक्रियाएँ विकसित कर सकता है। आगे का यह काम विश्वसनीयता संबंधी शोध को ऐसे हार्डवेयर तक विस्तारित करता है जिसका व्यवहार विफलता के बाद बदल जाता है। इसमें परखा जा रहा है कि क्या सीखा हुआ नियंत्रण उस समय प्रतिक्रिया दे सकता है जब वास्तविक एक्चुएटर का व्यवहार अपेक्षित व्यवहार से अलग हो जाए।