何が起きたか

roboticsandautomationnewsは2026年11月22日、Boston DynamicsのAtlasが車輪で走行し、横滑りや360度ジャンプを行う映像を紹介し、強化学習による動作制御の研究を報じた。Boston Dynamicsは同じ取り組みを11月9日付の公式ブログで説明し、車輪付きAtlasを製品ではなく研究用テストベッドと位置付けている。

詳細

Boston DynamicsはAtlasの足を外し、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た。新たに作った部品はカスタムアダプター1点のみだという。同社は、高トルクと高速回転を実負荷のもとで継続的に求める車輪走行を、モーターとそのモデルを検証する条件として選んだ。 制御の学習には数百万回のシミュレーションを用い、実機で測定した特性に合わせてシミュレーション上のモーターモデルを調整した。動作の一部には人のモーションキャプチャー記録を使い、360度ジャンプは人の動作記録を追跡する軌道追従型ポリシーで実行した。Boston Dynamicsは、この取り組みで得た知見を標準構成のAtlasにも適用していると説明している。

Key Facts

Boston Dynamicsは、車輪付きAtlasを製品ではなく研究用テストベッドと説明している。[1]
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カスタムアダプターを使い、新たな部品はその1点のみだった。[1]
車輪走行を、高トルク・高速回転を実負荷のもとで継続させる条件として選んだ。[1]
強化学習では数百万回のシミュレーションを行い、シミュレーション上のモーターモデルを実機測定に合わせて調整した。[1]
360度ジャンプは、人の動作記録を追跡する軌道追従型ポリシーで実行し、同社は初回で成功したと説明している。[1]

本紙の見方

この取り組みの焦点は、Atlasに車輪を装着したこと自体より、実機のモーター特性を学習用シミュレーションに反映させ、そこで得た全身制御をハードウェアに移せるかを試した点にある。Boston Dynamicsは、車輪走行なら高トルクと高速回転を実負荷のまま継続して求められると説明する。つまり、移動方式の提案というより、アクチュエーター、低レベルのモーター制御、全身の強化学習が接する部分を検証する設計である。 本紙は11月9日付の記事で、車輪付きAtlasを研究用テストベッドとして紹介しているBoston Dynamics、車輪付きAtlasの研究試作機を紹介。今回のroboticsandautomationnewsの記事は11月22日付だが、公式ブログも11月9日付で同じ取り組みを説明しているため、後の報道を新たな製品発表や仕様変更とみなす根拠はない。車輪化に必要な新部品がアダプター1点だったという説明も、Atlasの量産・整備性について同社が述べる設計上の特徴を研究用の改造で示すものではあるが、量産機の稼働実績を示す数字ではない。 制御開発の観点では、シミュレーションの精度が高位の学習だけで決まらず、実測したモーター特性やソフトウェア間の低レベル制御パラメーターとの整合に左右される、という構造が読み取れる。同社は数百万回のシミュレーションに加え、実機の特性評価とモーターモデルの調整を行った。人の動作記録を使った横滑りや360度ジャンプは、学習ポリシーが車輪の特性に合わせて動作を変えた例として説明されているが、これだけで別の作業や環境にも同様に転移するとはいえない。 同社が知見を標準構成にも適用しているとする点は、車輪型の実験をAtlas全体の制御設計へ還流させる意図を示す。ただし、公開情報からは、モーターモデルの誤差、試験の反復回数、車輪構成での耐久性や安全性、標準構成に適用した具体的な変更内容は確認できない。次に見るべきなのは、学習結果の再現性と、実機での制御性能がどの条件・評価指標で確かめられたかである。

なぜ重要か

Boston Dynamicsは、実機で測定したモーター特性をシミュレーションモデルに反映し、学習した制御を物理ハードウェアで動かすことをこの研究の課題としている。したがって、ロボットの学習制御を実機に移す際に、アクチュエーターのモデル化と全身制御をどう整合させるかを検討する開発者に関係する事例だ。