足首にスクーターの車輪を付けたAtlasがドリフト。Boston Dynamicsがモーターの限界を試す
Boston Dynamicsが2026年11月9日、ヒューマノイド「Atlas」の足を市販のスクーター用リムに替え、全身の強化学習ポリシーで走らせる実験をブログと動画で公開した。新しく作った部品は足首のアクチュエーターに付けるアダプター1つ。モーターに高トルクと高速を出し続けさせる状況を作り、シミュレーションのモーターモデルを実機に合わせ込んだ。得た知見は通常の脚のAtlasに生かしていく。
Boston Dynamicsの電動ヒューマノイド「Atlas」が、倉庫のような床を後ろ向きに滑り、横に跳びながら転がり、360度回って着地する。同社は2026年11月9日、Atlasの足を車輪に替えた実験を、公式ブログ「Atlas On a Roll」とYouTubeの動画で公開した。書き手は、モーター制御を10年以上手がけてきたAtlasチームの制御エンジニア、Xiaoyu（Andy）Wu氏だ。
足首にアダプター1つ、モデルでは「回り続ける足首」
新しく作った部品は、市販のスクーター用リムを既存の足首アクチュエーターに取り付けるアダプター1つだけだという。Atlasは最初から量産と整備のしやすさを前提に設計されているため、改造は自転車の車輪を替える程度の手間だったとブログは書く。
ソフトウェアでは車輪を連続して回転できる「足首」として扱い、ロボットモデルの足を差し替えた。強化学習は既存のポリシーの枠組みを転用し、報酬の構成、学習させる指令の範囲、姿勢の保ち方を調整しただけで、滑らかに転がる動きが自然に出てきた。
狙いはモーターを限界域で回し続けること
同社は車輪付きAtlasを製品でなく研究用のテストベッドと位置づける。SpotとStretchの顧客現場の長年のデータから、実環境のロボットは研究室で再現しきれない状況に遭うと分かっており、極端な条件での挙動と限界での信頼性を確かめる必要があるからだ。車輪なら、発進、旋回、停止のたびにモーターが荷重を支えたままトルクと速度の全域を行き来する。Wu氏は動画で「車輪そのものが目的ではなかった。目的はアクチュエーターを限界まで追い込むことだった」と話す。
作業の多くは地味な合わせ込みだった。特性を測る実験を重ね、シミュレーション上のモーターモデルを実機の計測値に合わせた。シミュレーションのモーターが理想化されすぎていると、ポリシーは実機にできない動きを覚えてしまう。Wu氏は、ロボットの限界はたいてい、モーター、低レベル制御、学習という層のあいだにあったと振り返る。
人のモーションキャプチャーから作った動きもある。横に跳びながら移動する「サイドダッシュ」では、人なら足を滑らせるところで、ポリシーは車輪を操って転がることを覚えた。360度ジャンプは人の跳躍の記録をなぞる軌道追従のポリシーで、1回目で成功した。トルクや速度の測定値は、ブログと動画には示されていない。
人のいる現場の信頼性は、限界域での挙動から
荷物を持ったまま急に止まる、足元が滑る、想定外の力を受ける。人と同じ空間で働くヒューマノイドにとって、そうした場面でモーターと学習済みの制御がどう振る舞うかは信頼性の核心だ。Wu氏の次のテーマは、アクチュエーターが故障したときのポリシーの応答の改善だという。
車輪付きのヒューマノイドは、アウディとAgile Robotsの実証やEmbodied AIの「AIR」のように、平らな工場の床で効率を取る選択として広がっている。Boston Dynamicsも2017年に車輪でバランスを取る「Handle」を研究し、同社の歴史のページによれば、それが荷降ろしロボット「Stretch」につながった。今回の車輪は逆に、脚のAtlasを鍛える道具として使われ、知見は通常の脚の構成へ戻し始めている。
Atlasは現代自動車の米工場の訓練拠点RMACで部品の順序供給を学び、10月には13自由度の新しいハンドも公開された。量産を前提にした機体だからこそ、スクーターのリム1つで足首のモーターを限界域へ連れ出し、工場に入る前の足腰を固められる。