✨︎ Resumen (TL;DR):
- Boston Dynamics sustituyó los pies de Atlas por una rueda de scooter en cada tobillo para estudiar sus actuadores y el control de todo el cuerpo.
- El equipo entrenó los movimientos de Atlas con millones de simulaciones en MuJoCo y el robot completó un salto con giro de 360 grados en su primer intento físico.
- El montaje funciona como un banco de pruebas de investigación, no como un producto, y la empresa ya adapta lo aprendido a la configuración de Atlas con pies.
Boston Dynamics instaló una rueda de scooter en cada tobillo de Atlas para someter sus motores y el sistema que coordina sus movimientos a maniobras exigentes. La compañía publicó el 9 de noviembre una demostración en la que el humanoide se desplazó lateralmente y completó un salto con giro de 360 grados, después de entrenar esos movimientos en simulación. La versión con ruedas busca trasladar ese aprendizaje al robot físico y no es un producto nuevo.
Xiaoyu “Andy” Wu, ingeniero de controles del equipo, explicó que el montaje es un banco de pruebas de investigación. En el video, Atlas rueda, cambia de dirección y se prepara para el salto. Boston Dynamics acompañó la secuencia con una explicación del entrenamiento en simulación y de su traslado al robot físico.
Ruedas para llevar los actuadores al límite
La adaptación mecánica aprovechó los actuadores que Atlas ya tenía en los tobillos. Los actuadores son los componentes que convierten las órdenes de control en movimiento.
Para conectar las ruedas comerciales, el equipo fabricó un adaptador a medida. Según Wu, esa fue la única pieza nueva de la configuración. En el modelo de software, cada rueda se representó como un tobillo capaz de girar continuamente, lo que permitió modificar el modelo existente del robot y entrenarlo con esta configuración.
Las ruedas permiten exigir a los motores mientras soportan el peso de Atlas. Cada arranque, giro y frenado los somete a distintas combinaciones de velocidad y torque. Wu buscaba observar cómo respondían los actuadores y el control de todo el cuerpo cuando se acercaban a sus límites de funcionamiento.
El objetivo era preparar mejor al robot para condiciones difíciles de reproducir en un laboratorio. Boston Dynamics señala que la experiencia con sus robots Spot y Stretch en instalaciones de clientes mostró la importancia de entender cómo responde el hardware ante situaciones exigentes.
De millones de simulaciones al suelo real
El aprendizaje por refuerzo es una técnica de entrenamiento que permite a un sistema practicar en simulación y recibir señales para favorecer ciertos comportamientos. En este experimento, el controlador coordinó los movimientos de todo el cuerpo, en lugar de tratar el giro de cada rueda como una tarea aislada.
Antes de probarlos en el robot físico, el equipo pasó los movimientos por millones de simulaciones en MuJoCo, un motor de física de código abierto. El entrenamiento virtual no garantiza que una maniobra funcione fuera de la simulación. Si los motores simulados son demasiado ideales, el sistema puede aprender acciones que los reales no pueden ejecutar.
Para reducir esa diferencia, el equipo realizó pruebas de caracterización de los actuadores, ajustó el modelo de los motores simulados a las mediciones del robot y comprobó que los parámetros de control coincidieran entre los entornos de software.
Los investigadores también modificaron las recompensas, el rango de órdenes y la postura usados durante el entrenamiento. Con esos cambios, el sistema aprendió a rodar de forma estable sin que los ingenieros programaran por separado cada movimiento de las ruedas, de acuerdo con Wu.
El salto siguió una referencia humana
Algunos movimientos partieron de una biblioteca de capturas de movimiento humano. Wu eligió grabaciones con deslizamientos de pies porque ofrecían una forma de explorar cómo respondería Atlas al tener ruedas.
En los desplazamientos laterales, el controlador aprendió a orientar las ruedas y rodar hacia donde una persona habría deslizado los pies. Para el salto, siguió la trayectoria de una persona que realizó ese movimiento. El robot físico completó la maniobra en su primer intento.
Ese dato corresponde a la prueba descrita por Boston Dynamics, no a una tasa de éxito calculada a partir de una serie de intentos. La publicación tampoco ofrece una velocidad máxima para Atlas con ruedas.
El aprendizaje vuelve a Atlas con pies
Boston Dynamics afirma que ya adapta lo aprendido a la configuración habitual de Atlas, con pies. Wu también trabaja en mejorar la respuesta del controlador cuando falla un actuador, una línea de investigación distinta de los resultados mostrados en esta demostración.
Las ruedas cumplen aquí una función de investigación: llevan a los actuadores y al control corporal a situaciones exigentes para comparar el comportamiento de la simulación con el del hardware real. La demostración no presenta un producto comercial con ruedas ni una velocidad máxima; muestra el banco de pruebas que la compañía usa para estudiar cómo responde Atlas cerca de sus límites.
Fuente: 1
