Boston Dynamics trasforma Atlas in un banco di prova per attuatori su ruote

Il 9 novembre 2026, Boston Dynamics ha illustrato un esperimento con Atlas su ruote, dopo aver sostituito i piedi dell’umanoide con ruote per esaminare i limiti degli attuatori e il trasferimento dell’apprendimento per rinforzo dell’intero corpo dalla simulazione all’hardware.

L’azienda descrive questa configurazione come un banco di prova per la ricerca, non come un prodotto. L’esperimento è stato progettato per mostrare come si comportano insieme gli attuatori reali e un controllore dell’intero corpo addestrato, quando i motori si avvicinano ai propri limiti operativi. Accelerare, curvare e fermarsi mantengono i motori sotto carico, richiedendo al contempo coppia elevata e alta velocità lungo tutto il loro intervallo operativo.

Boston Dynamics ha affermato che anni di esperienza con i clienti di Spot e Stretch hanno dimostrato che i robot impiegati sul campo incontrano condizioni che un laboratorio non può riprodurre completamente. Xiaoyu (Andy) Wu, ingegnere dei sistemi di controllo di Atlas e autore del resoconto, ha utilizzato il banco di prova per esaminare il comportamento degli attuatori in condizioni estreme e la robustezza della regolazione del controllo a basso livello.

Modelli dei motori per l’addestramento dalla simulazione al mondo reale

Prima che la politica di controllo fosse trasferita all’hardware, l’addestramento ha utilizzato milioni di simulazioni del robot. Il problema del passaggio dalla simulazione all’hardware, detto sim-to-real, dipendeva dalla capacità di far riprodurre al motore modellato il comportamento fisico misurato con sufficiente precisione da consentire il trasferimento della politica appresa. Le politiche addestrate con un motore idealizzato possono esercitare movimenti che il robot reale non è in grado di eseguire; modelli invece calibrati sull’hardware consentono comportamenti che il robot può riprodurre.

La preparazione ha comportato l’allineamento dei parametri di controllo a basso livello tra diverse configurazioni software, l’esecuzione di esperimenti di caratterizzazione dei motori e la regolazione del motore simulato sulla base delle misurazioni di Atlas. Il team ha inoltre valutato singolarmente le semplificazioni, mantenendo quelle innocue ed evitando quelle che avrebbero dato alla politica un vantaggio irrealistico durante l’addestramento.

Il progetto ha riunito la progettazione degli attuatori, il controllo dei motori a basso livello e l’apprendimento per rinforzo dell’intero corpo (RL), ambiti che di solito costituiscono specializzazioni separate nel lavoro su Atlas. Wu ha una formazione nel controllo classico dei motori e questo è stato il suo primo progetto di rilievo nell’ambito dell’RL, collocandolo al confine tra questi livelli.

I ricercatori hanno adattato strutture consolidate per le politiche di controllo, modificando la composizione delle ricompense, l’intervallo dei comandi di addestramento e la gestione della postura. Wu ha affermato che queste modifiche hanno prodotto un movimento su ruote fluido, mantenendo Atlas stabile e facile da guidare, e ha definito praticamente perfetto il trasferimento all’hardware ottenuto.

Dimostrazioni di movimento su ruote e modifiche minime

Alcune dimostrazioni sono partite da sequenze di motion capture umano che Wu aveva selezionato perché caratterizzate da un notevole scivolamento dei piedi. Durante l’addestramento allo spostamento laterale rapido, lo scivolamento dei piedi degli esseri umani è stato convertito in movimenti su ruote sterzanti, mentre la politica imparava a utilizzare le ruote.

Per il salto con rotazione di 360 gradi, il controllore ha seguito una traiettoria di movimento registrata da una persona che eseguiva il salto. Wu ha descritto la manovra come relativamente poco rischiosa, nonostante l’aspetto energico, e ha affermato che è riuscita al primo tentativo. Mentre il robot si preparava al decollo, la parte inferiore del corpo, dotata di ruote, è avanzata rapidamente nella posizione di partenza prima della spinta verso l’alto, mostrando un modo diverso di sfruttare la trazione rispetto ad Atlas sui piedi.

L’hardware alla base di questi movimenti ha richiesto poche modifiche. L’unico componente aggiunto è stato un adattatore su misura che collega un cerchio per monopattino disponibile in commercio all’attuatore della caviglia già presente su Atlas. Nel modello software di base, ciascuna ruota è diventata una caviglia in grado di ruotare senza interruzioni, consentendo a Wu di sostituire i piedi con le ruote senza costruire un modello separato del robot.

Lezioni per la configurazione standard di Atlas

Boston Dynamics ha dichiarato che gli insegnamenti tratti dall’esperimento sono già in fase di applicazione alla configurazione standard di Atlas. Una più stretta integrazione tra la dinamica degli attuatori e l’RL dell’intero corpo mira a rendere la politica più robusta rispetto alle modalità di guasto e ad ampliare le capacità del robot. Le dimostrazioni collegano quindi direttamente una configurazione di ricerca insolita al sistema di controllo utilizzato dalla macchina bipede convenzionale.

Wu ha inoltre iniziato a lavorare su politiche di controllo per gli attuatori guasti, anche per verificare se l’apprendimento per rinforzo possa generare risposte emergenti a questi guasti. Questo lavoro successivo estende la ricerca sull’affidabilità all’hardware il cui comportamento cambia dopo un guasto e verifica se il controllo appreso sia in grado di reagire quando un attuatore reale si discosta dal comportamento previsto.