Por Canuto  

Boston Dynamics reemplazó temporalmente los pies de Atlas por ruedas para evaluar sus motores y comprobar si movimientos aprendidos en simulación funcionan también en el robot físico. La prueba incluye deslizamientos laterales y un salto de 360 grados, pero la empresa la presenta como investigación para mejorar el control del humanoide, no como un producto con ruedas.
***

  • Ingenieros acoplaron ruedas de patinete a los actuadores de tobillo de Atlas mediante adaptadores personalizados.
  • El robot entrenó con millones de escenarios simulados y ejecutó maniobras adaptadas a su configuración con ruedas.
  • Boston Dynamics busca trasladar los aprendizajes a la configuración estándar de Atlas y reforzar su respuesta ante fallos.


Boston Dynamics prueba Atlas con ruedas para reforzar el control del robot

La compañía utilizó una configuración experimental para estudiar motores, aprendizaje por refuerzo y la transferencia de movimientos desde la simulación al hardware físico.

  • Las ruedas sustituyeron temporalmente los pies de Atlas para someter sus actuadores a distintas velocidades y demandas de par.
  • La demostración mostró desplazamientos, deslizamientos laterales y un salto de 360 grados.
  • El objetivo declarado es mejorar la fiabilidad de la configuración estándar, no comercializar un Atlas con ruedas.

Atlas, el robot humanoide de Boston Dynamics, aparece en una prueba con una configuración poco habitual: ruedas montadas en lugar de sus pies. En una demostración de la compañía, el robot rueda, se desplaza lateralmente y completa un salto de 360 grados. Las maniobras sirven para explorar sus capacidades de movimiento y sus sistemas de control.

La demostración forma parte de una investigación sobre aprendizaje por refuerzo y desempeño de actuadores, no de la presentación de un nuevo producto. En la entrada “Atlas On a Roll”, Boston Dynamics describe el Atlas con ruedas como un banco de pruebas para estudiar cómo los movimientos entrenados en simulación se comportan al ejecutarse sobre el hardware real.

Una configuración experimental para estudiar los motores

Para realizar los ensayos, el equipo retiró temporalmente los pies de Atlas y acopló a sus actuadores de tobillo ruedas de patinete disponibles comercialmente. La conexión requirió adaptadores personalizados, una modificación que permitió examinar el funcionamiento de los motores sin convertir la configuración en una propuesta de producto o en una nueva versión permanente del humanoide.

Las ruedas ofrecieron a los investigadores una forma distinta de exigir a los actuadores, al exponerlos a una variedad de velocidades y demandas de par. Esos parámetros importan porque los movimientos del robot dependen de que sus motores respondan de manera precisa a las instrucciones del sistema de control, incluso cuando la maniobra pone a prueba sus límites operativos.

La compañía describió el propósito del montaje con una frase de su ingeniero de control Xiaoyu (Andy) Wu: «Un Atlas con ruedas no es un producto. Es un banco de pruebas de investigación». La aclaración delimita el alcance del experimento y evita interpretar las ruedas como una señal de que Boston Dynamics prepara una versión comercial de Atlas para desplazarse de ese modo.

La prueba también permitió observar la precisión con la que los comportamientos desarrollados en simulación podían transferirse al robot físico. Esa comparación es central para el proyecto: una maniobra que funciona en un entorno virtual no necesariamente se reproduce de forma fiable cuando intervienen los motores, los componentes y las condiciones reales del hardware.

Del entrenamiento virtual a los movimientos del robot

El trabajo combina ingeniería tradicional de control de motores con aprendizaje por refuerzo de cuerpo completo. Esta técnica permite que un robot desarrolle estrategias de movimiento mediante entrenamientos repetidos en simulación, en lugar de depender únicamente de instrucciones diseñadas de antemano para cada acción específica.

Antes de transferir los comportamientos al Atlas físico, los investigadores lo entrenaron en millones de escenarios simulados. La amplitud de esas pruebas virtuales ayuda a preparar movimientos para distintas condiciones, aunque el objetivo de la investigación incluye comprobar si las decisiones aprendidas siguen siendo útiles cuando el robot pasa de la simulación a sus componentes reales.

Algunas maniobras se desarrollaron con grabaciones de captura de movimiento humano. Entre ellas figuran movimientos de deslizamiento que Atlas adaptó a su configuración con ruedas, un ejemplo de cómo un comportamiento registrado en una persona puede servir como referencia para que el robot encuentre una ejecución adecuada a sus propios mecanismos.

El salto de 360 grados surgió de una política de seguimiento de trayectorias basada en una grabación de una persona realizando ese movimiento. Wu comentó que fue «fascinante ver cómo surgían estos pequeños trucos por sí solos» y resumió el resultado con otra observación: «Dale ruedas a la política, y ella descubre cómo usarlas». Las frases describen el carácter exploratorio del ensayo, no una capacidad general garantizada en cualquier situación.

La fiabilidad depende de que la simulación se parezca al hardware

Una parte importante de la investigación consiste en representar con precisión las características de los motores durante el entrenamiento virtual. Si los actuadores simulados responden de manera distinta a sus equivalentes físicos, el robot puede aprender movimientos que parecen viables en pantalla, pero que luego no logra repetir de forma fiable en el mundo real.

La diferencia entre ambos entornos puede afectar la interpretación de los resultados: una política de movimiento no es robusta solo porque complete una maniobra en simulación. Los investigadores deben evaluar cómo responden los motores del robot físico y ajustar el modelo virtual para que los comportamientos aprendidos guarden una relación más estrecha con lo que Atlas puede ejecutar.

El equipo también utiliza los ensayos para probar el rendimiento de los actuadores y la fiabilidad de los sistemas de control bajo condiciones exigentes. Las maniobras llamativas del video funcionan como parte de esa exploración, mientras que el interés práctico está en comprender cómo se comporta el robot cuando enfrenta demandas distintas y qué tan consistentemente puede ejecutar las instrucciones recibidas.

Según la descripción del proyecto de Boston Dynamics, los hallazgos también se aplican a la configuración estándar de Atlas. Los investigadores trabajan en mejorar la capacidad del robot para responder ante fallos de actuadores y otras condiciones operativas inesperadas, un objetivo que desplaza el foco desde la espectacularidad de los movimientos hacia la continuidad y confiabilidad de su funcionamiento.

El experimento apunta a un Atlas más robusto, no a uno sobre ruedas

La compañía plantea como meta desarrollar sistemas de control más robustos para respaldar operaciones fiables de robots humanoides en entornos del mundo real. En ese contexto, las ruedas son una herramienta temporal para investigar el comportamiento de motores y políticas de movimiento, y no una indicación de que Atlas vaya a abandonar su configuración habitual.

La distinción importa porque el video reúne elementos que podrían confundirse con una demostración de producto: un robot móvil, maniobras llamativas y movimientos aprendidos. Sin embargo, la explicación de Wu y el propósito descrito para el proyecto apuntan a una investigación sobre control, pruebas de actuadores y transferencia de aprendizaje entre simulación y hardware.

El aprendizaje por refuerzo puede ayudar a que un robot encuentre estrategias de movimiento a partir de muchas pruebas virtuales, pero la calidad de la simulación y la respuesta real de sus componentes siguen siendo determinantes. Por eso, comprobar los resultados en el hardware no es un paso accesorio: permite identificar diferencias que el entrenamiento por sí solo podría pasar por alto.

Las pruebas descritas no detallan un calendario para futuras capacidades ni presentan métricas cuantitativas de rendimiento, por lo que no permiten medir cuánto mejoró Atlas en esta etapa. Lo que sí dejan claro es el rumbo de la investigación: usar experimentos inusuales para fortalecer la respuesta del humanoide y acercar sus movimientos simulados a un funcionamiento más fiable en condiciones reales.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín