Компания Boston Dynamics представила новое видео с участием своего гуманоидного робота Atlas. В этот раз инженеры научили машину основам футбола: робот изучал технику профессиональных игроков, просматривая записи матчей чемпионатов мира. Демонстрацию приурочили к грядущему мундиалю 2026 года.
На кадрах видно, как Atlas анализирует действия футболистов на большом экране, отслеживая положение их тела, траектории движений и реакции в различных игровых ситуациях. Сразу после анализа робот переходит в тренировочную зону, где успешно воспроизводит увиденное.
В ходе упражнений Atlas уверенно переносит вес на опорную ногу, выносит вторую вперед и выполняет контролируемые касания мяча. Со временем его движения становятся все более естественными и плавными. Примечательно, что робот начал копировать даже эмоциональные жесты: после удачного выполнения задачи Atlas вскидывает руки, имитируя празднование гола, или опускается на колено, имитируя реакцию на повреждение, если этот момент был в просмотренном ролике.
Материнская компания Hyundai охарактеризовала проект как «первую футбольную школу для Atlas» в рамках инициативы School of Football. Представители компании намекнули, что Atlas, а также четвероногий робот Spot могут появиться на мероприятиях чемпионата мира, хотя подробности их участия пока держатся в секрете.
Обучение через машинное обучение
Эти тесты являются продолжением работы Boston Dynamics с методом обучения с подкреплением (reinforcement learning). Ранее компания уже демонстрировала, как Atlas способен переносить тяжелые предметы, например, мини-холодильники весом около 45 килограммов, мастерски сохраняя баланс при смене центра тяжести.
Ключевым преимуществом Atlas является использование проприоцепции — способности робота «чувствовать» положение своего тела, силу хвата, распределение нагрузки и сопротивление объектов. Это позволяет корректировать действия в реальном времени, даже если условия среды постоянно меняются.
Чтобы добиться таких результатов, инженеры проводят миллионы часов в симуляциях на мощных графических процессорах. В процессе обучения постоянно меняются входные данные: коэффициент сцепления поверхности, вес объектов, их расположение и параметры захвата. Подобный подход позволяет минимизировать разрыв между «цифровым» навыком и реальностью, исключая ошибки из-за задержек сенсоров или шумов в датчиках.
Boston Dynamics продолжает планомерный переход от жесткого программирования движений к адаптивному поведению. Футбольные тренировки здесь выступают сложным испытанием координации и способности обучаться по визуальному примеру — эти навыки станут критически важными для использования роботов на складах, строительных площадках и современных производствах.
