Инженеры Boston Dynamics превратили человекоподобного робота Atlas в экспериментальную колёсную платформу. Необычная модификация позволила машине освоить боковые перемещения, скоростное движение и даже эффектный прыжок с полным оборотом вокруг своей оси. Но за зрелищными трюками скрывается серьёзный инженерный эксперимент, который может повлиять на дальнейшее развитие робототехники.
Компания Boston Dynamics продолжает исследовать возможности своего человекоподобного робота Atlas. На этот раз инженеры решили отказаться от привычной конструкции с ногами и установили вместо ступней пару колёс от электрического самоката.
Результат оказался впечатляющим: робот научился быстро перемещаться вбок, выполнять сложные манёвры и совершать прыжок с вращением на 360 градусов.
Впрочем, цель эксперимента заключалась вовсе не в создании необычного транспортного средства или демонстрации эффектных трюков. Колёсный Atlas стал испытательной платформой, позволяющей проверить возможности электроприводов, алгоритмов управления и технологий машинного обучения в условиях повышенных нагрузок.
Как превратили Atlas в колёсного робота?
На первый взгляд, модификация выглядит довольно простой. Инженеры Boston Dynamics установили стандартные колёса электрического самоката, закрепив их на ногах робота с помощью специально разработанного переходного адаптера.
Он соединяет колёса непосредственно с уже существующими приводами голеностопных суставов Atlas.
Примечательно, что для эксперимента не потребовалось серьёзно переделывать аппаратную часть робота или создавать совершенно новую программную модель. Инженеры фактически заменили виртуальные ступни в системе моделирования на колёса, способные непрерывно вращаться.
Такой подход стал возможен благодаря модульной архитектуре Atlas. Конструкция робота изначально предусматривает удобство обслуживания, замену компонентов и масштабирование производства. Эти же инженерные решения позволили относительно легко адаптировать его для необычного эксперимента.
Однако установка колёс изменила характер нагрузки на электроприводы. Теперь двигатели должны одновременно обеспечивать высокую скорость вращения и значительный крутящий момент. Разгон, торможение и повороты создают продолжительную нагрузку на исполнительные механизмы, позволяя проверить их работоспособность в непростых условиях.
Как Atlas научился двигаться на колёсах?
Одной из главных задач эксперимента стало применение обучения с подкреплением (Reinforcement Learning, RL) — метода машинного обучения, при котором робот осваивает новые действия посредством многократных виртуальных испытаний.
В процессе обучения алгоритм пробует различные варианты поведения и постепенно находит способы выполнять поставленные задачи наиболее эффективно.
Но здесь возникает серьёзная техническая проблема: виртуальный робот и его физический аналог не всегда ведут себя одинаково.
Например, двигатель в компьютерной симуляции может реагировать на управляющие команды несколько иначе, чем реальный электропривод. В результате движение, которое безупречно работает в виртуальной среде, на настоящем устройстве может оказаться нестабильным или вовсе не получиться.
Чтобы устранить это несоответствие, инженеры Boston Dynamics усовершенствовали модели электродвигателей, используемые в симуляциях.
Сначала они провели физические испытания, измерив реальные характеристики исполнительных механизмов. Затем полученные данные использовали для настройки виртуальных моделей, добиваясь максимально точного соответствия между поведением двигателя в симуляции и в действительности.
Кроме того, команда внесла изменения в существующие алгоритмы обучения с подкреплением. Были скорректированы управляющие команды, функции вознаграждения и механизмы контроля положения тела робота.
Всё это позволило Atlas постепенно освоить плавное и контролируемое движение на колёсах.
Эксперимент наглядно продемонстрировал важность точного моделирования физических процессов. Чем ближе виртуальная среда к реальным условиям, тем выше вероятность, что приобретённые роботом навыки успешно перенесутся на настоящее оборудование.
Боковые рывки и прыжок с вращением на 360 градусов
Наиболее зрелищная часть эксперимента — освоение движений, которые существенно отличаются от привычной походки человекоподобного робота.
Некоторые из них инженеры разработали, опираясь на записи движений человека, полученные с помощью технологии захвата движения (Motion Capture).
В частности, команда изучала движения, при которых ступни человека заметно скользят по поверхности. Это помогло найти способы воспроизвести похожую динамику с использованием колёс.
Одним из результатов стали боковые перемещения. Вместо того чтобы пытаться имитировать обычные шаги, Atlas научился управлять направлением вращения колёс и перемещаться в сторону.
Но настоящий эффектный момент — прыжок с полным вращением на 360 градусов.
Для выполнения этого манёвра использовался алгоритм управления с отслеживанием траектории. Он опирался на данные о движениях человека и позволял роботу воспроизводить заданную последовательность действий.
Особенность заключается в том, что Atlas выполнил этот манёвр с первой попытки.
Перед прыжком робот предварительно перекатил нижнюю часть корпуса, занимая подходящее положение для отталкивания. Таким образом, он продемонстрировал способность находить нестандартные способы использования сцепления колёс с поверхностью.
Это особенно интересно с точки зрения машинного обучения: робот не просто воспроизводит заранее запрограммированные движения, а осваивает новые способы управления собственным телом с учётом изменившейся механики.
Зачем Boston Dynamics понадобился колёсный Atlas?
Несмотря на впечатляющие демонстрации, Boston Dynamics не планирует превращать эту экспериментальную конфигурацию в коммерческий продукт.
Главная задача проекта — изучение взаимодействия электроприводов и алгоритмов управления, обученных в виртуальной среде. Колёса создают особые условия испытаний, позволяя проверять двигатели на высоких скоростях и при продолжительных нагрузках.
Полученные результаты могут оказаться полезными и для стандартной версии Atlas.
В Boston Dynamics рассчитывают использовать усовершенствованные модели исполнительных механизмов и методы обучения всего тела робота (Whole-Body Learning), чтобы повысить надёжность управления и расширить возможности гуманоидной платформы.
Иными словами, эксперимент с колёсами — это не просто попытка заставить человекоподобную машину выполнять необычные трюки. Это способ глубже изучить физические ограничения робота и научиться эффективнее управлять его движениями.
Колёсный Atlas показывает, насколько далеко может зайти современная робототехника, когда традиционные инженерные решения сочетаются с машинным обучением. А главное — демонстрирует, что даже сравнительно простое изменение конструкции способно открыть новые возможности для исследования сложных систем управления.
