Boston Dynamics gjør Atlas om til en testplattform for aktuatorer på hjul

Boston Dynamics beskrev et Atlas-eksperiment med hjul 9. november 2026, etter å ha erstattet humanoidrobotens føtter med hjul for å undersøke aktuatorenes grenser og overføringen av helkroppsforsterkningslæring fra simulering til maskinvare.

Selskapet beskriver konfigurasjonen som en testplattform for forskning, ikke som et produkt. Eksperimentet skulle vise hvordan virkelige aktuatorer og en innlært helkroppsstyring oppfører seg sammen når motorene nærmer seg driftsgrensene. Akselerasjon, svinging og bremsing belaster motorene samtidig som de krever høyt dreiemoment og høy hastighet gjennom hele driftsområdet.

Boston Dynamics sa at flere års erfaring med kunder som bruker Spot og Stretch, har vist at roboter i bruk møter forhold som et laboratorium ikke fullt ut kan gjenskape. Atlas-kontrollingeniøren Xiaoyu (Andy) Wu, som skrev om arbeidet, brukte testplattformen til å undersøke ekstrem aktuatoratferd og robustheten i finjusteringen av lavnivåstyringen sin.

Motormodeller for trening fra simulering til virkelighet

Treningen omfattet millioner av robotsimuleringer før styringspolicyen ble tatt i bruk på maskinvaren. Utfordringen med å gå fra simulering til maskinvare, kalt sim-to-real, var avhengig av at den modellerte motoren gjenga målt fysisk atferd nøyaktig nok til at den innlærte styringspolicyen kunne overføres. Styringspolicyer som trenes med en idealisert motor, kan øve inn bevegelser den virkelige roboten ikke kan utføre; modeller som samsvarer med maskinvaren, støtter derimot atferd roboten faktisk kan gjenskape.

Forberedelsene omfattet å samordne lavnivåstyringsparametere på tvers av programvareoppsett, gjennomføre eksperimenter for å karakterisere motorene og justere den simulerte motoren etter målinger fra Atlas. Teamet vurderte også forenklinger hver for seg og beholdt ufarlige tilnærminger, samtidig som de unngikk dem som ville gitt styringspolicyen en urealistisk fordel under treningen.

Prosjektet samlet aktuatorutforming, lavnivåstyring av motorer og helkroppsforsterkningslæring (RL), som vanligvis er separate fagområder for Atlas. Wu har bakgrunn innen klassisk motorstyring, og dette var hans første større RL-prosjekt, noe som plasserte ham i grenselandet mellom disse områdene.

Forskerne tilpasset etablerte rammeverk for styringspolicyer ved å endre belønningssammensetningen, spennet av treningskommandoer og håndteringen av kroppsholdning. Wu sa at endringene førte til jevn rulling samtidig som Atlas forble stabil og enkel å styre, og beskrev overføringen til maskinvaren som nærmest perfekt.

Demonstrasjoner med hjul og en minimal ombygging

Noen demonstrasjoner tok utgangspunkt i bevegelsesopptak av mennesker som Wu valgte fordi de viste betydelig glidning med føttene. I treningen for sidelengs dash ble disse fotglidningene omgjort til styrte rullebevegelser etter hvert som styringspolicyen lærte å bruke hjulene.

I hoppet med 360 graders rotasjon fulgte styringen en bevegelsesbane som var registrert fra en person som hoppet. Wu beskrev bevegelsen som relativt lite risikabel til tross for det energiske uttrykket, og sa at den lyktes på første forsøk. Da roboten gjorde seg klar til å ta sats, rullet underkroppen på hjul raskt på plass før frasparket. Dette viste en annen måte å utnytte veigrepet på enn når Atlas står på føttene.

Maskinvaren bak disse bevegelsene krevde få endringer. Den eneste komponenten som ble lagt til, var en spesiallaget adapter som koblet en standardfelg fra en sparkesykkel til Atlas’ eksisterende ankelaktuator. I grunnmodellen i programvaren ble hvert hjul gjort om til en ankel som kunne rotere kontinuerlig. Dermed kunne Wu bytte ut føttene med hjul uten å bygge en egen robotmodell.

Lærdommer for standardutgaven av Atlas

Boston Dynamics sa at lærdommer fra eksperimentet allerede innarbeides i standardkonfigurasjonen til Atlas. Tettere integrering av aktuatorenes dynamikk og helkropps-RL skal gjøre styringspolicyen mer robust mot ulike feilmoduser og utvide robotens funksjoner. Demonstrasjonene knytter dermed en uvanlig forskningskonfigurasjon direkte til styringssystemet som brukes av den konvensjonelle, tobeinte roboten.

Wu har også begynt å arbeide med styringspolicyer for aktuatorer som svikter, blant annet for å undersøke om forsterkningslæring kan gi opphav til framvoksende reaksjoner på slike feil. Det videre arbeidet utvider denne pålitelighetsforskningen til maskinvare der atferden endres etter en feil, og undersøker om innlært styring kan reagere når en faktisk aktuator oppfører seg annerledes enn forventet.