Boston Dynamics a monté Atlas sur des roues de trottinette pour tirer le maximum de ses actionneurs

Quand on voit un robot humanoïde sur des roues de trottinette, on pense d'abord que les ingénieurs ont voulu plaisanter. En réalité, Boston Dynamics a réalisé un tour de force d'ingénierie tout à fait sérieux. Les roues ne servent ni à la vitesse ni à l'esthétique, mais à torturer le matériel : vérifier comment les actionneurs d'Atlas supportent les régimes de fonctionnement les plus lourds.

Pourquoi un robot a besoin de roues

Tout humanoïde a un goulot d'étranglement : l'association d'un « réseau de neurones de contrôle entraîné et de moteurs réels ». En simulation, les moteurs sont parfaits ; sur le matériel, ils chauffent, atteignent la limite de couple et ne suivent pas toujours les commandes. Pour voir précisément où les problèmes commencent, il faut un scénario où les moteurs travaillent en permanence aux limites de leurs caractéristiques.

La marche s'y prête mal : elle comporte beaucoup de pauses, de phases d'appui et de passages tranquilles. Sur roues, c'est tout autre chose. Chaque démarrage, virage et arrêt oblige les moteurs à développer un couple élevé à haute vitesse, le tout avec une charge réelle sur le corps. Atlas sur roues est une plateforme de recherche, pas un nouveau produit.

Comment ils s'y sont pris

La partie matérielle s'est révélée presque triviale. Une jante de trottinette standard a été fixée à l'ensemble d'origine de la « cheville » par un seul adaptateur fabriqué sur mesure. C'est la seule pièce nouvelle de toute la construction. Selon la société, Atlas a été conçu dès le départ pour la production en série et une maintenance simple, si bien que la modification n'est guère plus compliquée que de changer la roue d'un vélo.

La partie logicielle s'est elle aussi passée sans drame. En simulation, chaque roue a été décrite comme une « cheville » capable de tourner en continu. Le contrôleur a été entraîné dans des conditions aussi proches que possible du réel, afin de ne pas perdre en qualité lors du transfert vers le matériel.

Pour l'apprentissage par renforcement, des approches existantes ont été adaptées avec trois modifications ciblées :

• la structure de la fonction de récompense ;
• la plage de commandes sur laquelle l'algorithme s'entraîne ;
• les méthodes de maintien de la posture.

Cela a suffi pour que le robot apprenne seul à rouler en douceur tout en restant stable, et il est devenu simple à piloter.

Ce que cela a donné en pratique

Une partie des mouvements provient d'une bibliothèque de capture de mouvement humain, où les pieds glissent beaucoup. Là où un humain aurait glissé le pied, l'algorithme a appris à orienter les roues et à parcourir le tronçon en roulant. En pratique, le réseau de neurones a traduit l'idée humaine du mouvement vers une autre « cinématique ».

Un exemple parlant est le saut avec rotation de 360 degrés. L'algorithme fonctionne ici comme un suivi de trajectoire : il reproduit le mouvement humain enregistré. D'après la société, cela a fonctionné dès la première tentative. L'adhérence à la surface est utilisée autrement que chez Atlas sur jambes : avant le saut, le bas du corps se place rapidement en position par roulement et se prépare à l'impulsion vers le haut.

Les premiers acquis du projet sont déjà intégrés à la configuration standard du robot. La société a aussi présenté récemment une nouvelle main pour Atlas : quatre doigts, 13 degrés de liberté, entraînement direct et une conception optimisée pour une modélisation précise.

Ce qu'il faut en retenir

Premièrement : si vous construisez un robot ou tout matériel doté d'un contrôleur entraîné, cherchez un scénario qui pousse les actionneurs au maximum. Ici, les roues servent de test de charge bon marché. Un seul adaptateur, plutôt que la refonte de toute la plateforme, permet de voir ce qu'une marche tranquille ne montrera pas.

Deuxièmement : concevoir pour la maintenance est rentable. Une modification en une seule pièce n'est possible que parce que le robot a été conçu dès le début comme remplaçable et réparable. Pour les startups de robotique, c'est un bon argument en faveur de la modularité.

Troisièmement : pour le sim-to-real, un nouvel algorithme n'est pas toujours nécessaire. Ici, il a suffi d'un réglage soigneux de la récompense, de la plage de commandes et du maintien de la posture, plus un modèle correct du nouvel ensemble en simulation. Les données de capture de mouvement peuvent être réutilisées si le contrôleur trouve de lui-même un substitut au glissement.

Limites

La publication ne contient aucun chiffre : ni couples de pointe, ni températures, ni durée de vie des actionneurs. C'est une démonstration d'approche, pas un benchmark, et l'on ne peut pas encore dire dans quelle mesure ce test a amélioré les performances réelles. Atlas à roues ne deviendra pas un modèle de série : c'est un outil qui rend Atlas « à jambes » plus fiable. Mais comme exemple de la façon dont une idée simple aide à éprouver un système complexe, l'histoire est belle.