Boston Dynamics har lært sin Atlas-robot at spille fodbold. I en ny video kaldet “School of Football” går den elektriske Atlas hen til en bold, laver en finte med venstre ben og slår så til bolden med højre ben krydset bag det venstre. Trickbevægelsen kaldes en rabona, og Boston Dynamics har døbt robottens udgave en “Ghost Rabona”.
Projektet er lavet sammen med Hyundai, der ejer Boston Dynamics, som en del af bilkoncernens “Next Starts Now”-kampagne op til VM i fodbold i 2026. Men under det legende ydre ligger en pointe om, hvordan robotten lærer, og hvorfor netop fodbold er nyttigt.
Fra en rigtig spiller til robottens krop
Atlas har ikke fundet bevægelsen på egen hånd. Boston Dynamics startede med at optage en menneskelig fodboldspiller med optisk motion capture, altså kameraer der registrerer kroppens bevægelser som præcise positionsdata. De data kan ikke bare kopieres direkte over på robotten, for Atlas har en anden krop end et menneske. Derfor “retargeter” holdet bevægelsen, så den passer til robottens egne led og proportioner.
Den tilpassede bevægelse bruges så som en slags facitliste, robotten træner op imod. Selve træningen sker med reinforcement learning, en metode hvor robotten lærer ved at prøve sig frem og blive belønnet for at komme tættere på målet. Det er den samme grundtilgang, Boston Dynamics tidligere brugte, da selskabet lærte den elektriske Atlas at gå, løbe og kravle. Træningen foregår ikke på den fysiske robot, men i mange parallelle simulationer på grafikprocessorer. Boston Dynamics oplyser, at robotten på den måde kan presse, hvad der svarer til et helt års fysisk forsøg og fejl, ind i 24 timer.
Resultatet er det, holdet kalder en policy, altså en indlært styring, der får robotten til at holde balancen og styre sine motorer gennem bevægelsen. Ifølge Boston Dynamics virkede de indlærte policies typisk på den fysiske robot i første forsøg, og når et forsøg slog fejl, blev det brugt til at justere træningen.
To forskere optræder ved navn i selskabets materiale: Roberto Shu, senior staff research engineer, der også selv lavede motion capture-optagelserne, og Yeuhi Abe, der leder Atlas’ arbejde med styring og reinforcement learning.
Hvorfor fodbold
Det vigtige er ikke selve tricket. Fodbold kræver, at en spiller gør to ting på én gang: holder balancen og løber, mens fødderne styrer en bold præcist. Det er en kombination af at flytte sig selv og at håndtere noget i omgivelserne, og det er præcis den slags helkrops-koordination, Boston Dynamics vil have ud af Atlas til rigtigt arbejde på et lager eller en fabrik.
Selskabet beskriver fodbold som en kilde til rig, dynamisk bevægelsesdata, og pointen er, at generaliseret adfærd hos robotter kræver en stor mængde og bredde af data og træning. Set sådan er fodboldtricket ikke et stunt for sin egen skyld, men en måde at fodre robotten med svære bevægelser, der kan overføres til andre opgaver.
Man skal stadig holde fast i, hvad videoen er. Det er en koreograferet demonstration af én indstuderet bevægelse, ikke en robot der spiller en kamp eller løser en vilkårlig opgave. Men måden, den er lært på, peger på Boston Dynamics’ bredere væddemål: at en robot, der kan efterligne menneskers bevægelser og slibe dem til i simulation, hurtigere kan bygge det repertoire, en arbejdsrobot får brug for.
