Boston Dynamics transforma Atlas em uma plataforma de testes de atuadores sobre rodas

Em 9 de novembro de 2026, a Boston Dynamics detalhou um experimento com Atlas sobre rodas, substituindo os pés do humanoide por rodas para investigar os limites dos atuadores e a transferência do aprendizado por reforço de corpo inteiro da simulação para o hardware.

A empresa descreve essa configuração como uma plataforma de pesquisa, não como um produto. O experimento foi concebido para revelar como os atuadores reais e um controlador de corpo inteiro treinado se comportam em conjunto quando os motores se aproximam de seus limites operacionais. Acelerar, fazer curvas e parar mantêm os motores sob carga, ao mesmo tempo que exigem torque elevado e alta velocidade em toda a faixa de operação.

A Boston Dynamics afirmou que anos de experiência com clientes que usam Spot e Stretch mostraram que robôs em operação encontram condições que um laboratório não consegue reproduzir por completo. Xiaoyu (Andy) Wu, engenheiro de controles do Atlas e autor do relato, usou a plataforma de testes para examinar comportamentos extremos de acionamento e a robustez dos ajustes de controle de baixo nível.

Modelos de motor para treinamento da simulação à realidade

O treinamento envolveu milhões de simulações do robô antes de a política ser executada no hardware. O problema da transferência da simulação para o hardware, chamado de sim-to-real, dependia de fazer o motor modelado reproduzir o comportamento físico medido com precisão suficiente para que a política aprendida pudesse ser transferida. Políticas treinadas com um motor idealizado podem ensaiar movimentos que o robô real não consegue executar; já os modelos ajustados ao hardware favorecem comportamentos que o robô consegue reproduzir.

A preparação envolveu alinhar os parâmetros de controle de baixo nível em diferentes configurações de software, realizar experimentos de caracterização dos motores e ajustar o motor simulado com base em medições do Atlas. A equipe também avaliou cada simplificação individualmente, mantendo as aproximações inofensivas e evitando as que dariam à política uma vantagem irrealista durante o treinamento.

O projeto reuniu projeto de atuadores, controle de motores de baixo nível e aprendizado por reforço de corpo inteiro (RL), áreas que normalmente são especialidades distintas no desenvolvimento do Atlas. Wu tem experiência em controle clássico de motores, e este foi seu primeiro projeto substancial de RL, levando-o a trabalhar nas fronteiras entre essas camadas.

Os pesquisadores adaptaram estruturas de políticas já estabelecidas, modificando a composição das recompensas, a variedade de comandos de treinamento e o controle da postura. Wu afirmou que essas mudanças produziram um deslocamento suave sobre rodas, mantendo o Atlas estável e fácil de conduzir, e descreveu a transferência resultante para o hardware como praticamente perfeita.

Demonstrações sobre rodas e uma adaptação mínima

Algumas demonstrações começaram com clipes de captura de movimento humano que Wu selecionou por apresentarem deslizamento considerável dos pés. No treinamento do deslocamento lateral, esses deslizamentos dos pés humanos foram convertidos em movimentos guiados e sobre rodas enquanto a política aprendia a usar as rodas.

Para o salto de 360 graus, o controlador acompanhou uma trajetória de movimento registrada de uma pessoa saltando. Wu classificou o movimento como relativamente pouco arriscado, apesar de sua aparência enérgica, e afirmou que ele foi bem-sucedido na primeira tentativa. Ao se preparar para decolar, a parte inferior do robô, equipada com rodas, avançou rapidamente até a posição antes do impulso para cima, demonstrando um uso da tração diferente daquele do Atlas com pés.

O hardware usado nesses movimentos exigiu poucas alterações. O único componente adicionado foi um adaptador personalizado que conectava um aro de scooter disponível no mercado ao atuador de tornozelo já existente no Atlas. No modelo de software de referência, cada roda passou a funcionar como um tornozelo capaz de girar continuamente, permitindo que Wu substituísse os pés por rodas sem construir um modelo de robô separado.

Lições para o Atlas padrão

A Boston Dynamics afirmou que as lições do experimento já estão sendo incorporadas à configuração padrão do Atlas. Uma integração mais estreita entre a dinâmica dos atuadores e o RL de corpo inteiro tem o objetivo de aumentar a robustez da política diante de modos de falha e ampliar as capacidades do robô. Assim, as demonstrações conectam diretamente uma configuração de pesquisa incomum ao sistema de controle usado pela máquina bípede convencional.

Wu também começou a trabalhar em políticas para atuadores com falhas, incluindo a possibilidade de o aprendizado por reforço gerar respostas emergentes a essas falhas. Esse trabalho subsequente amplia a pesquisa de confiabilidade para um hardware cujo comportamento muda após uma falha, testando se o controle aprendido consegue reagir quando um atuador real se desvia do comportamento esperado.