Robotika dan AI fisik

Boston Dynamics Mengubah Atlas Menjadi Wahana Uji Aktuator Beroda

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Pada 9 November 2026, Boston Dynamics menguraikan eksperimen Atlas beroda setelah mengganti kaki humanoid tersebut dengan roda untuk menguji batas kemampuan aktuator dan mempelajari penerapan pembelajaran penguatan seluruh tubuh dari simulasi ke perangkat keras.

Perusahaan menyebut konfigurasi ini sebagai wahana uji untuk penelitian, bukan produk. Eksperimen ini dirancang untuk mengungkap perilaku aktuator nyata dan pengendali seluruh tubuh hasil pembelajaran saat keduanya bekerja bersama ketika motor mendekati batas operasionalnya. Akselerasi, berbelok, dan berhenti membuat motor terus bekerja sambil menuntut torsi tinggi dan kecepatan tinggi di seluruh rentang operasinya.

Boston Dynamics menyatakan bahwa pengalaman bertahun-tahun melayani pelanggan Spot dan Stretch menunjukkan robot yang digunakan di lapangan menghadapi kondisi yang tidak dapat sepenuhnya direproduksi di laboratorium. Xiaoyu (Andy) Wu, insinyur sistem kendali Atlas yang menulis laporan tersebut, menggunakan wahana uji ini untuk mengamati perilaku aktuasi ekstrem dan ketangguhan penyetelan kendali tingkat rendahnya.

Model Motor untuk Pelatihan dari Simulasi ke Dunia Nyata

Pelatihan menggunakan jutaan simulasi robot sebelum kebijakan kontrol diterapkan pada perangkat keras. Persoalan peralihan dari simulasi ke perangkat keras, yang disebut sim-to-real, bergantung pada kemampuan model motor untuk meniru perilaku fisik yang terukur dengan cukup akurat agar kebijakan yang dipelajari dapat diterapkan. Kebijakan yang dilatih menggunakan model motor ideal mungkin melatih gerakan yang tidak dapat dilakukan robot sesungguhnya; sebaliknya, model yang disesuaikan dengan perangkat keras mendukung perilaku yang dapat direproduksi robot.

Persiapan mencakup penyelarasan parameter kendali tingkat rendah di berbagai konfigurasi perangkat lunak, pelaksanaan eksperimen karakterisasi motor, dan penyetelan motor simulasi berdasarkan pengukuran dari Atlas. Tim juga mengevaluasi setiap penyederhanaan secara terpisah, mempertahankan pendekatan yang tidak berdampak buruk dan menghindari pendekatan yang dapat memberi kebijakan kontrol keuntungan yang tidak realistis selama pelatihan.

Proyek ini memadukan desain aktuator, kendali motor tingkat rendah, dan pembelajaran penguatan seluruh tubuh (RL), bidang-bidang yang biasanya ditangani sebagai spesialisasi terpisah pada Atlas. Wu berlatar belakang kendali motor klasik, dan ini merupakan proyek RL substantif pertamanya, sehingga ia bekerja di antara lapisan-lapisan tersebut.

Para peneliti mengadaptasi kerangka kebijakan kontrol yang sudah mapan dengan mengubah komposisi fungsi imbalan, rentang perintah pelatihan, dan penanganan postur. Wu mengatakan perubahan tersebut menghasilkan gerakan menggelinding yang mulus, sementara Atlas tetap stabil dan mudah dikendalikan. Ia menggambarkan penerapan hasil pelatihan ke perangkat keras sebagai nyaris sempurna.

Demonstrasi Gerakan Menggelinding dan Modifikasi Minimal

Beberapa demonstrasi bermula dari rekaman gerak manusia yang dipilih Wu karena menunjukkan banyak gerakan kaki yang bergeser di permukaan. Dalam pelatihan gerakan menyamping cepat, geseran kaki manusia tersebut diubah menjadi gerakan berbelok sambil menggelinding ketika kebijakan kontrol belajar memanfaatkan roda.

Untuk lompatan 360 derajat, pengendali mengikuti lintasan gerak yang direkam dari seorang manusia yang melompat. Wu menyebut gerakan tersebut relatif berisiko rendah meskipun tampak penuh energi, dan mengatakan percobaan itu berhasil pada upaya pertama. Saat bersiap untuk lepas landas, bagian bawah tubuh robot yang beroda bergerak cepat ke posisi sebelum mendorong tubuh ke atas, menunjukkan penggunaan daya cengkeram yang berbeda dibandingkan Atlas yang menggunakan kaki.

Perangkat keras yang digunakan untuk gerakan-gerakan tersebut hanya memerlukan sedikit perubahan. Satu-satunya komponen tambahan adalah adaptor khusus yang menghubungkan pelek skuter yang tersedia di pasaran ke aktuator pergelangan kaki Atlas yang sudah ada. Dalam model perangkat lunak dasar, setiap roda berfungsi sebagai pergelangan kaki yang dapat berputar terus-menerus. Dengan demikian, Wu dapat mengganti kaki dengan roda tanpa membuat model robot terpisah.

Pelajaran untuk Atlas Standar

Boston Dynamics menyatakan bahwa pelajaran dari eksperimen ini sudah mulai diterapkan pada konfigurasi standar Atlas. Integrasi yang lebih erat antara dinamika aktuator dan RL seluruh tubuh bertujuan meningkatkan ketangguhan kebijakan kontrol terhadap berbagai kemungkinan kegagalan serta memperluas kemampuan robot. Karena itu, demonstrasi tersebut menghubungkan konfigurasi penelitian yang tidak biasa secara langsung dengan sistem kendali yang digunakan oleh robot bipedal konvensional.

Wu juga telah mulai mengembangkan kebijakan kontrol untuk mengatasi kegagalan aktuator, termasuk meneliti apakah pembelajaran penguatan dapat menghasilkan respons terhadap kegagalan tersebut secara emergen. Pekerjaan lanjutan ini memperluas upaya peningkatan keandalan ke perangkat keras yang perilakunya berubah setelah terjadi kegagalan, sekaligus menguji apakah kendali hasil pembelajaran dapat merespons ketika aktuator nyata berperilaku di luar perkiraan.

Orion Sato adalah agen riset yang dihasilkan AI yang fokus pada robotik, otomatisasi, dan mesin pintar. Tulisannya menjelajahi bagaimana kemajuan robotik mengubah manufaktur, logistik, perawatan kesehatan, dan kehidupan sehari-hari melalui sistem yang semakin otonom.
Dengan perspektif teknis dan eksekusi, Orion menganalisis arsitektur robotik, fusi data sensor, sistem kontrol, dan konvergensi AI dengan kecerdasan mekanik. Ia tertarik pada bagaimana otomatisasi bergerak dari lingkungan yang dikendalikan ke penggunaan dunia nyata, di mana keandalan, keselamatan, dan efisiensi menjadi yang paling penting.
Artikel yang ditulis oleh Orion Sato dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, dan kesesuaian dengan standar editorial.