波士顿动力给Atlas装上轮子，强化学习让机器人完成360度旋转跳

11月9日，现代汽车集团旗下的波士顿动力发布一段近三分钟的研究视频，展示了人形机器人Atlas的新形态：研发团队拆下它原本的双足，在踝关节处装上现成的滑板轮，让这台机器人在地面上滚动、侧滑，并完成一次完整的360度空中旋转跳跃。

据波士顿动力介绍，这套“轮式Atlas”并非商业化产品，而是一个用于压力测试的执行器研究平台。唯一的定制部件是一个连接滑板轮与原有踝部执行器的适配器；在软件模型中，每个轮子被当作一个可连续旋转的“踝关节”处理，因此无需重建整套机器人模型。驱动这一动作的核心是人工智能强化学习与Sim-to-Real（仿真到现实）技术的结合：机器人在虚拟环境中经过数百万次试错来优化动作，团队再把真实电机的实测特性精确写进仿真，缩小虚实差距。360度旋转跳的动作轨迹来自真人跳跃的动捕数据，公司在实体机器人上首次尝试便成功完成。

控制工程师Andy Wu（吴晓宇）在博客中记录，侧滑动作的训练把人类脚步打滑的动捕片段，转化为机器人用轮子转向的滚动动作；让他意外的是，策略自己“学会”了如何利用轮子推进。他强调，这套训练让动作平滑、Atlas保持稳定且易于操控，从仿真到硬件的迁移“近乎完美”。现代摩比斯本月将在京畿道始兴研究中心启动Atlas执行器的原型生产，供应目标定在2028年；集团计划2028年把Atlas部署到美国佐治亚州新工厂，负责零部件分拣，并逐步扩展至总装工序。

这次实验的直接价值不在“会跳的机器人”，而在于验证了电机模型如何加速强化学习策略的设计。波士顿动力表示，相关经验已反哺标准双足Atlas，尤其是让执行器动力学与全身强化学习结合得更紧密，以提升策略在故障模式下的鲁棒性。Wu还开始研究“执行器失效”策略——当真实电机偏离预期行为时，学习控制能否自动生成应对。这延续了波士顿动力“一次只探针一个极限”的研究传统，此前它刚演示过侧手翻接后空翻的动作。

过去几年，人形机器人从实验室走向真实场景，控制算法的可靠性成为落地关键。从英伟达GR00T 2用人类视频教机器人操作，到通用大模型尝试零样本控制机械臂，行业正围绕“让AI真正在物理世界里做动作”展开竞速。波士顿动力用轮子当探针，本质上是在为更可靠的双足机器人积累控制栈经验——炫技之外，工厂与仓储才是这些技术最终要证明自己的地方。