波士顿动力近日公布了一项 Atlas 人形机器人研究实验：工程团队为 Atlas 的双脚加装轮子，用于测试经典运动控制与全身强化学习相结合时，机器人在非结构化地形中的动态稳定性和适应能力。
波士顿动力控制工程师 Andy Wu 介绍，这项实验旨在探索纯模型控制面对现实环境中难以预测的接触、扰动和地形变化时的局限。团队采用全身强化学习策略，让 Atlas 根据本体感知反馈和速度指令实时调整姿态与受力，同时保留经典模型控制器提供的基础稳定性。
视频显示，Atlas 不仅能够在平坦地面上快速滑行，还能在轮式移动与跨越障碍所需的腿部动作之间切换，并完成旋转等动态动作。安装方式并未大幅改变机器人结构：定制适配器将轮组连接到现有足部执行器，每个轮子作为可连续旋转的关节纳入机器人模型。
团队还将测试控制策略在执行器故障等异常情况下的响应。研究人员认为，经典控制器负责可预测的基础稳定性，全身强化学习负责对未知扰动作出反应，两者结合比单独采用其中一种方法更适合现实环境。
波士顿动力强调，轮式 Atlas 目前只是研究平台，并非产品计划。这项实验为人形机器人“轮式还是腿式”的技术路线讨论提供了新证据，也展示了通用人形平台通过更换末端机构扩展移动方式的潜力。