Illustration générée par IABoston Dynamics équipe Atlas de roues pour tester de nouvelles capacités d'apprentissage par renforcement
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
Boston Dynamics a publie une nouvelle vidéo dans laquelle son humanoïde Atlas roule, glisse latéralement et exécute un saut avec rotation de 360 degrés. Pour l'occasion, les ingénieurs ont remplacé temporairement les pieds du robot par des roues : des jantes de trottinette du commerce, fixées par des adaptateurs sur mesure aux actionneurs de cheville existants. Le but n'est pas de tester un nouveau produit mais de soumettre les moteurs à une large plage de vitesses et de couples, et de mesurer la fidélité avec laquelle des comportements appris en simulation se transposent sur le matériel réel. Les politiques ont été entraînées sur des millions de scénarios simulés, certains mouvements, notamment les glissades, s'appuyant sur des enregistrements de capture de mouvement humain. Le saut à 360 degrés provient d'une politique de suivi de trajectoire calquée sur l'enregistrement d'une personne effectuant ce geste. Boston Dynamics ne communique ni charge utile, ni temps de cycle, ni taux de réussite.
L'intérêt tient moins à la vidéo qu'à ce qu'elle cherche à démontrer : la qualité du transfert sim-to-real dépend directement de la fidélité du modèle d'actionneur. Si les moteurs simulés se comportent différemment des moteurs physiques, le robot apprend des mouvements impossibles à reproduire. Les roues servent donc de banc d'essai exigeant, qui pousse les articulations de cheville dans des régimes où les erreurs de modélisation deviennent visibles. Pour un intégrateur ou un décideur industriel, le message est plutôt rassurant : l'apprentissage par renforcement sur l'ensemble du corps (whole-body RL) est mobilisé pour fiabiliser le contrôle, et pas seulement pour produire des démonstrations spectaculaires. Boston Dynamics indique que les résultats sont déjà réinjectés dans la configuration standard d'Atlas, avec un travail sur la réaction aux défaillances d'actionneurs et aux conditions d'exploitation imprévues, un point clé pour tout déploiement en environnement réel. Cela dit, il s'agit d'une vidéo de recherche, sans données quantitatives : elle illustre une méthode, pas une performance mesurable.
Ce travail s'inscrit dans la trajectoire de l'entreprise, passée de l'hydraulique à l'Atlas électrique, et dans une course où l'apprentissage fait désormais figure de différenciateur, face à Tesla avec Optimus, Figure avec Helix, ou encore Agility Robotics, tandis que des modèles fondation comme GR00T de NVIDIA ou Pi-0 de Physical Intelligence misent sur des approches plus généralistes. Xiaoyu (Andy) Wu, ingénieur contrôle chez Boston Dynamics, insiste : « Un Atlas à roues n'est pas un produit, c'est un banc d'essai de recherche ». L'entreprise ne prévoit donc pas de version à roues, et l'objectif affiché reste un humanoïde bipède plus robuste. Aucun calendrier de pilote ni de commercialisation n'est associé à cette annonce ; la suite attendue est l'intégration progressive de ces politiques de contrôle dans les versions de série d'Atlas.




