何が起きたか
humanoid.guideは2026年11月11日、Boston Dynamicsの車輪付きヒューマノイド研究試作機「Atlas on Wheels」を紹介した。Boston Dynamicsは同月9日の公式ブログで、Atlasの足を車輪に換装した機体は製品ではなく、アクチュエーターと学習制御を検証する研究用テストベッドだと説明している。humanoid.guideによると、機体は身長190センチ、重量90キログラムで、最高速度は時速12キロメートルだ。
詳細
Boston Dynamicsの説明では、既存の足首アクチュエーターに市販スクーター用リムを取り付けるための特注アダプターが、改造で新たに加えた唯一の部品だ。ソフトウェア上では各車輪を連続回転する「足首」として扱い、ベースとなるロボットモデルの足を車輪に置き換えた。車輪走行では発進、旋回、停止のたびにモーターがトルクと回転速度の広い範囲で継続的に働くため、同社はアクチュエーターを限界域で試す条件になると説明した。 同社は、シミュレーションで数百万回のロボット動作を実行してから実機に適用する強化学習について、実機で測定した値に合わせてシミュレーション内のモーター特性を調整したと記している。報酬構成や学習時の指令範囲、姿勢保持にも変更を加えた。humanoid.guideは、障害物回避、ジャンプと着地、物品の仕分けに対応すると紹介している。
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位置づけた。 | [1] |
| 改造で追加した部品は、市販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特注アダプターのみだ。 | [1] |
| 同社はシミュレーションで数百万回の動作を実行し、実機測定に合わせてモーターのシミュレーションモデルを調整した。 | [1] |
| humanoid.guideによると、機体の身長は190センチ、重量は90キログラム、最高速度は時速12キロメートルだ。 | [3] |
| humanoid.guideは機体の対応能力として、障害物回避、ジャンプと着地、物品の仕分けを挙げた。 | [3] |
本紙の見方
この試作の中心は車輪移動そのものより、既存のAtlasを大幅に作り替えずに、実機アクチュエーターと学習制御の接点を検証できる構成にある。Boston Dynamicsによれば、足首アクチュエーターに市販リムを付けるアダプター以外に新部品はなく、ソフトウェアでも車輪を連続回転する足首として扱った。専用の車体を新設するのではなく、既存機の機構とモデルを流用して負荷条件をつくった点が、研究手法としての特徴だ。 ただし、これは商用化や一般作業への投入を示す発表ではない。同社は車輪付き機体を研究用テストベッドと明記している。物品の仕分けなどの能力はhumanoid.guideが紹介しているが、公式ブログが説明する主眼は、モーターを高トルク・高速で連続稼働させ、学習制御が実機の性能限界に沿って動くかを調べることだ。したがって、移動能力のデモをそのまま作業性能や導入準備の証拠とみなすことはできない。 技術的な焦点は、シミュレーションから実機への移行にある。学習用モデルのモーター特性が実物とずれていれば、シミュレーションでは成立しても実機では実行できない動作を方策が学ぶ可能性がある。Boston Dynamicsは、実機の測定に合わせてモーターをモデル化し、低レベル制御の設定もソフトウェア環境間で照合したと説明する。数百万回のシミュレーション、実機での特性測定、モデル調整、実機検証という連鎖は、制御方策の学習だけでなく、シミュレーションに何を再現させるかが性能移行を左右することを示す。 本紙の関連記事であるBoston Dynamics、「Stretch Gen 2」を発表は、稼働率向上と保守効率を重視する荷降ろしロボットを扱った。Stretch Gen 2が現場運用上の課題を意識した製品発表であるのに対し、車輪付きAtlasは制御とアクチュエーターの限界を調べる研究段階にある。同じ会社のロボットでも、実運用の保守性を高める取り組みと、実機に移せる学習制御を確かめる取り組みは、異なる開発課題として見る必要がある。 次に確認すべきなのは、車輪付き機体で得た制御・モデル化の知見が標準構成のAtlasへどう適用されたか、また実機での検証条件や再現性がどこまで示されるかだ。公式ブログは知見を標準構成に戻していると述べるが、具体的な改善量、製品化計画、稼働時間や積載条件は示していない。humanoid.guideの速度や能力紹介も、実運用時の条件を伴う性能評価とは区別して読む必要がある。
なぜ重要か
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位置づけ、実機のモーター特性に合わせたシミュレーションと学習制御の連携を検証している。これは、Atlasの動作をシミュレーションから実機へ移す際のモデル精度と制御の適合性が、同社の研究課題であることを示す。