En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)

Boston Dynamics pone ruedas a Atlas: el robot completa un salto de 360° al primer intento

Un robot puede desplazarse perfectamente sobre ruedas en un simulador y perder el equilibrio sobre un suelo real si el software sobreestima la capacidad de los motores. Boston Dynamics equipó a Atlas con ruedas de patinete para poner a prueba ese límite bajo carga continua. Tras entrenarse en simulación, aprendió movimientos de rodadura y completó un salto de 360° al primer intento. Para los desarrolladores, lo fundamental es la precisión del modelo de los actuadores, de la que depende la transferencia de la habilidad al mundo real.

Procesado por IA desde TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
Boston Dynamics pone ruedas a Atlas: el robot completa un salto de 360° al primer intento
Fuente: TG: @ai_machinelearning_big_data (Machinelearning). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @ai_machinelearning_big_data (Machinelearning) ↗
Editor jefe
Dato clave #1Las ruedas permiten mantener los motores bajo carga durante la aceleración y el frenado.
Dato clave #2El salto reproduce una grabación de movimiento humano; el robot no lo inventó desde cero.
Dato clave #3El resultado de una sola acrobacia no demuestra la fiabilidad del robot durante un turno de trabajo.

En el simulador, un robot ejecuta un movimiento con soltura, pero sobre un suelo real pierde el equilibrio. Para un equipo de robótica, esto revela una brecha frustrante: el entrenamiento ya ha consumido recursos de cómputo y tiempo, pero trasladar la habilidad al hardware exige nuevas iteraciones. El experimento de Boston Dynamics con un Atlas sobre ruedas resulta útil precisamente para analizar este problema. Si el software cuenta con capacidades que los motores no tienen, un comportamiento virtual espectacular aporta poco a la máquina real.

La empresa sustituyó los pies de Atlas por ruedas de patinete. Según un ingeniero del equipo, el controlador entrenado utilizaba movimientos de rodadura para desplazarse lateralmente, y el salto con un giro de 360° salió al primer intento. Los detalles se describen en el blog de Boston Dynamics. El interés práctico está en el método para comprobar la coherencia entre el entrenamiento y el hardware.

Por qué los ingenieros necesitaban ruedas

La configuración con ruedas permite someter los actuadores a cargas prolongadas al acelerar, girar y frenar. Para montarlas, se utilizó un adaptador específico conectado al actuador existente del tobillo. En el modelo virtual, la rueda se representó como una articulación capaz de girar de forma continua.

Imaginemos un problema similar en un pequeño equipo que desarrolla un robot móvil para un almacén. El motor virtual entrega al instante la fuerza necesaria, por lo que el algoritmo opta por frenar bruscamente antes de un giro. El actuador real ejecuta la orden de otra manera y el margen de estabilidad resulta insuficiente. El desarrollador puede dedicar una semana a ajustar la función de recompensa, cuando primero debería haber comprobado los supuestos de partida sobre el motor.

Es un ejemplo hipotético, pero explica el sentido del experimento desde el punto de vista de la ingeniería. Cuanto más exigente es el movimiento, más costoso resulta un error en la descripción del hardware. Una plataforma de pruebas específica sometida a carga prolongada ayuda a plantear una pregunta concreta: ¿se comporta la máquina como el sistema con el que se entrenó el software de control?

Qué significa «al primer intento»

Antes de ejecutar los movimientos en el Atlas físico, el entrenamiento se realizó en simulación. El equipo comparó los parámetros de control y afinó el modelo de los motores a partir de mediciones. Para algunos movimientos se utilizaron grabaciones de trayectorias humanas; el salto de 360° también siguió una de esas grabaciones.

Por eso, el primer intento exitoso debe interpretarse con cuidado: hubo una preparación previa. No permite deducir la probabilidad de éxito en las siguientes cien ejecuciones. Tampoco dice nada, por sí solo, sobre el comportamiento en otra superficie, con una carga adicional o después de un periodo prolongado de funcionamiento.

Para un responsable de producto, esta es una distinción importante entre demostrar una capacidad y validar el rendimiento operativo. Si un equipo muestra un único episodio exitoso, la siguiente pregunta útil es qué condiciones ha variado y hasta qué punto el resultado es repetible. Especialmente cuando la respuesta condiciona la decisión de realizar una prueba piloto, el presupuesto de equipamiento o un compromiso con un cliente.

En una evaluación así, resulta más útil definir de antemano los escenarios de fallo que recopilar únicamente movimientos espectaculares. Por ejemplo, evaluar por separado la detención, la recuperación del equilibrio y el reinicio tras un intento fallido. Esta es una recomendación editorial para planificar las pruebas; el material publicado no ofrece resultados de una evaluación comparativa de este tipo.

Qué aplicar en tu propio desarrollo

Boston Dynamics describe el Atlas con ruedas como una plataforma de investigación. La empresa traslada las conclusiones obtenidas a la configuración habitual del robot. El trabajo sobre la respuesta a fallos de los actuadores también figura como una línea de desarrollo futura.

La conclusión práctica para los desarrolladores es comprobar la relación entre las mediciones del hardware, su descripción virtual y el comportamiento del sistema entrenado. Si una habilidad falla al trasladarla al mundo real, conviene empezar por localizar la discrepancia: qué orden eligió el controlador, qué esperaba del actuador y qué ocurrió realmente.

Para quien funda una startup de robótica, este caso ayuda a evaluar con mayor precisión el progreso del equipo. Un movimiento espectacular confirma un resultado concreto en unas condiciones concretas. La preparación para trabajar exige un conjunto de pruebas adicional. Un siguiente paso razonable es incluir en el plan de pruebas la repetibilidad, la duración de la carga y la recuperación tras los fallos, y después vincular los criterios de aceptación a la tarea del cliente.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por qué los ingenieros necesitaban ruedas?

La configuración con ruedas permite someter los actuadores a cargas prolongadas al acelerar, girar y frenar. Para montarlas, se utilizó un adaptador específico conectado al actuador existente del tobillo. En el modelo virtual, la rueda se representó como una articulación capaz de girar de forma continua. Imaginemos un problema similar en un pequeño equipo que desarrolla un robot móvil para un almacén.

¿Qué se sabe sobre Qué significa «al primer intento»?

Antes de ejecutar los movimientos en el Atlas físico, el entrenamiento se realizó en simulación. El equipo comparó los parámetros de control y afinó el modelo de los motores a partir de mediciones. Para algunos movimientos se utilizaron grabaciones de trayectorias humanas; el salto de 360° también siguió una de esas grabaciones. Por eso, el primer intento exitoso debe interpretarse con cuidado: hubo una preparación previa. No permite deducir la probabilidad de éxito en las siguientes cien ejecuciones.

¿Qué se sabe sobre Qué aplicar en tu propio desarrollo?

Boston Dynamics describe el Atlas con ruedas como una plataforma de investigación. La empresa traslada las conclusiones obtenidas a la configuración habitual del robot. El trabajo sobre la respuesta a fallos de los actuadores también figura como una línea de desarrollo futura. La conclusión práctica para los desarrolladores es comprobar la relación entre las mediciones del hardware, su descripción virtual y el comportamiento del sistema entrenado.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…