从后空翻到搬运冰箱，波士顿动力（Boston Dynamics）的人形机器人Atlas正从表演者转变为产业工人。该公司在一篇最新技术博客中，首次披露了Atlas如何通过强化学习和大规模仿真训练，学会举起和搬运超过100磅（约45公斤）的重物，且这一行为的开发仅耗时数周。

此次展示标志着Atlas从编排好的表演动作向工厂、仓库和建筑工地所需的自适应工业行为迈出了关键一步。波士顿动力明确表示，Atlas的定位是“用于体力劳动的通用工具”。

与主要依赖摄像头进行感知的路径不同，Atlas在移动物体时更多依赖本体感觉，即通过内部身体感知来实时获取重量、平衡、抓力和阻力等信息。公司称，这种方法使Atlas能实时适应不稳定的负载和变化的环境。正如公司所写：“你不可能仅仅看着冰箱并用手就把它举起来。你必须提前准备，预估重量，用身体去承接并完成工作。”

在训练方法上，波士顿动力动用了强化学习技术。Atlas在仿真环境中，面对不同的物体重量、地面摩擦力、抓手力度和冰箱位置等随机变化因素，对数百万次搬运任务进行反复练习。公司透露：“Atlas在图形处理器上，于仿真中平行演练了数百万小时的动作。”训练始于一条参考轨迹，可以是动画演示也可以是遥操作示范。随后，Atlas会因正确完成任务——比如在引入外部干扰时仍能抓牢物体并保持平衡——而获得奖励。一旦行为在仿真中可靠运行，工程师就将其迁移到物理机器人上进行实测、收集数据并再次迭代训练。

波士顿动力指出，新型Atlas平台的一大优势是大幅缩小了“仿真到现实的差距”。这是机器人领域长期存在的挑战：因摩擦力、延迟或传感器噪声等不可预测变量，在仿真中训练出的行为常在现实中失效。公司表示，Atlas简化后的硬件架构使精确仿真变得更容易。这台人形机器人全身仅使用两种类型的执行器，且双臂和双腿均为对称设计。此外，由于工程师取消了横跨关节的线缆，机器人的关节可实现连续旋转，减少了磨损并获得了更大运动自由度。波士顿动力认为，这帮助Atlas完成了传统人形机器人难以做到的动作。

在测试中，尽管Atlas主要使用50到70磅（约23至32公斤）的负载进行训练，但它却成功移动了一台重超100磅的冰箱。公司还将Atlas的手倒立和后空翻等运动演示与工业应用场景联系起来，指出这些动作有助于训练其在恶劣工作环境中所需的平衡性、敏捷性、滑倒恢复能力和耐热性。