Boston Dynamics, Atlas’ı Tekerlekli Bir Aktüatör Test Platformuna Dönüştürüyor

Boston Dynamics, 9 Kasım 2026’da, aktüatör sınırlarını ve tüm vücut pekiştirmeli öğrenmenin simülasyondan donanıma aktarımını araştırmak amacıyla insansı robotun ayaklarını tekerleklerle değiştirdikten sonra tekerlekli Atlas deneyini ayrıntılarıyla anlattı.

Şirket, bu yapılandırmayı bir ürün değil, araştırma test platformu olarak tanımlıyor. Deney, motorlar çalışma sınırlarına yaklaşırken gerçek aktüatörlerin ve öğrenilmiş bir tüm vücut denetleyicisinin birlikte nasıl davrandığını ortaya çıkarmak için tasarlandı. Hızlanma, dönme ve durma hareketleri motorları yük altında tutarken çalışma aralıkları boyunca yüksek tork ve yüksek hız gerektiriyor.

Boston Dynamics, Spot ve Stretch müşterileriyle yıllar içinde edinilen deneyimin, sahada kullanılan robotların laboratuvarda bütünüyle yeniden oluşturulamayacak koşullarla karşılaştığını gösterdiğini söyledi. Bu anlatıyı kaleme alan Atlas kontrol mühendisi Xiaoyu (Andy) Wu, test platformunu aşırı aktüasyon davranışını ve düşük seviyeli kontrol ayarlarının sağlamlığını incelemek için kullandı.

Simülasyondan Gerçek Dünyaya Eğitim İçin Motor Modelleri

Politika donanıma aktarılmadan önce milyonlarca robot simülasyonu kullanılarak eğitim yapıldı. Sim-to-real (simülasyondan gerçeğe) olarak adlandırılan simülasyondan donanıma aktarım sorunu, modellenen motorun ölçülen fiziksel davranışı, öğrenilmiş politikanın aktarılmasına yetecek doğrulukta yeniden üretmesine bağlıydı. İdealleştirilmiş bir motorla eğitilen politikalar, gerçek robotun gerçekleştiremeyeceği hareketleri prova edebilir; donanımla eşleştirilmiş modeller ise robotun gerçekten yapabildiği davranışları destekler.

Hazırlık sürecinde farklı yazılım kurulumlarındaki düşük seviyeli kontrol parametreleri eşleştirildi, motor karakterizasyon deneyleri yapıldı ve simüle edilmiş motor Atlas’tan alınan ölçümlere göre ayarlandı. Ekip ayrıca basitleştirmeleri tek tek değerlendirdi; zararsız yaklaşımları korurken eğitim sırasında politikaya gerçekçi olmayan bir avantaj sağlayacak olanlardan kaçındı.

Proje, Atlas’ta genellikle ayrı uzmanlık alanları olan aktüatör tasarımını, düşük seviyeli motor kontrolünü ve tüm vücut pekiştirmeli öğrenmesini (RL) bir araya getirdi. Wu’nun geçmişi klasik motor kontrolüne dayanıyor ve bu proje, onun bu alandaki ilk kapsamlı RL çalışmasıydı; böylece Wu kendini bu katmanların kesiştiği noktada buldu.

Araştırmacılar, yerleşik politika çerçevelerini uyarlayarak ödül bileşimini, eğitim komutlarının aralığını ve duruş yönetimini değiştirdi. Wu, bu değişikliklerin Atlas dengeli ve kolay yönlendirilir durumda kalırken akıcı biçimde yuvarlanmasını sağladığını söyledi ve donanıma yapılan aktarımı neredeyse kusursuz olarak nitelendirdi.

Yuvarlanma Gösterimleri ve Asgari Düzeyde Donanım Uyarlaması

Bazı gösterimler, Wu’nun ayakların belirgin biçimde kaydığı insan hareket yakalama klipleri arasından seçtikleriyle başladı. Yana atılma eğitimi, politika tekerlekleri kullanmayı öğrenirken insanların ayak kaydırma hareketlerini yönlendirilmiş, yuvarlanarak yapılan hareketlere dönüştürdü.

360 derece dönüşlü sıçramada denetleyici, bir insanın sıçrayışından kaydedilmiş hareket yörüngesini izledi. Wu, enerjik görünümüne rağmen bu hareketin görece düşük risk taşıdığını belirtti ve ilk denemede başarılı olduğunu söyledi. Robot havalanmaya hazırlanırken tekerlekli alt gövdesi, yukarı doğru itişten önce hızla doğru konuma yuvarlandı; bu da ayaklı Atlas’a kıyasla çekişin farklı biçimde kullanıldığını gösterdi.

Bu hareketlerin arkasındaki donanımda çok az değişiklik yapılması gerekti. Eklenen tek parça, piyasada hazır bulunan bir scooter jantını Atlas’ın mevcut ayak bileği aktüatörüne bağlayan özel bir adaptördü. Temel yazılım modelinde her tekerlek, sürekli dönebilen bir ayak bileği hâline geldi; böylece Wu, ayrı bir robot modeli oluşturmadan ayakları tekerleklerle değiştirebildi.

Standart Atlas İçin Çıkarılan Dersler

Boston Dynamics, deneyden çıkarılan derslerin Atlas’ın standart yapılandırmasına şimdiden uyarlandığını söyledi. Aktüatör dinamikleriyle tüm vücut RL’sinin daha sıkı bütünleştirilmesi, politikanın hata biçimlerine karşı sağlamlığını artırmayı ve robotun yeteneklerini genişletmeyi amaçlıyor. Dolayısıyla bu gösterimler, alışılmadık bir araştırma yapılandırmasını doğrudan geleneksel iki ayaklı makinede kullanılan kontrol sistemine bağlıyor.

Wu, aktüatör arızalarına yönelik politikalar üzerinde de çalışmaya başladı; bu kapsamda pekiştirmeli öğrenmenin söz konusu arızalara kendiliğinden ortaya çıkan tepkiler üretip üretemeyeceğini araştırıyor. Bu devam çalışması, güvenilirlik araştırmasını arıza sonrasında davranışı değişen donanıma da taşıyor ve öğrenilmiş kontrolün gerçek bir aktüatör beklenen davranışından saptığında tepki verip veremeyeceğini sın sınamayı amaçlıyor.