Da Boston Dynamics og Toyota Research Institute (TRI) sidste efterår gik sammen om at lade den elektriske Atlas lære færdigheder fra data, var der hverken demonstration eller tidsplan. Nu er der et resultat at se på. De to parter har den 25. august 2025 lagt en video og et teknisk blogindlæg ud, hvor en enkelt Large Behavior Model styrer hele robotten gennem en lang stribe opgaver, der kræver både at flytte sig og at bruge hænderne præcist.

En humanoid robot har hidtil typisk haft ét system til at gå og holde balancen og et andet til at gribe og manipulere ting. Her gør den samme model begge dele. Boston Dynamics oplyser, at den styrer alle Atlas’ 50 frihedsgrader på én gang og behandler fødder og hænder stort set ens. Robotten skelner med andre ord ikke skarpt mellem at bevæge sig og at arbejde med tingene foran sig.

Hvad modellen bliver fodret med

En Large Behavior Model fungerer her som en oversætter mellem det, robotten sanser, og det, den gør. Modellen er en såkaldt diffusionstransformer med 450 millioner parametre, og ind i den løber tre slags signaler på samme tid: billeder fra Atlas’ kameraer, robottens fornemmelse af sin egen krops stilling og en kort instruktion i almindeligt sprog om, hvilken opgave den skal løse. Ud kommer en strøm af kommandoer til motorerne, opdateret 30 gange i sekundet. Modellen er trænet på optagelser af, at opgaverne bliver løst, hvor mennesker har fjernstyret Atlas gennem dem.

Pointen med den tilgang er, at nye færdigheder kan komme til uden at en ingeniør skal kode dem fra bunden. Boston Dynamics fremhæver netop opgaver, som er svære at programmere i hånden, fordi tingene skifter form undervejs: at binde et reb, brede en dug ud over et bord og vende en barstol. I videoen håndterer Atlas også et bildæk på omkring 10 kilo og rydder dele fra vogne over på hylder.

Den retter sig selv, og den skynder sig

To detaljer er værd at trække frem. For det første reagerer robotten, når nogen blander sig. Forskerne lukker undervejs et låg på en kasse eller skubber den væk, og Atlas tilpasser sig. Boston Dynamics oplyser, at den evne ikke krævede ny kode, men kom ved at vise modellen eksempler på, at robotten kommer sig efter den slags forstyrrelser, og så træne den igen på de data.

For det andet kører robotten hurtigere end forlægget. Selskabet skriver, at det kan sætte tempoet på de indlærte opgaver op med 1,5 til 2 gange, uden at det går mærkbart ud over, hvor godt de bliver løst, og at det kan ske ved at justere bevægelsernes timing under afviklingen frem for at træne modellen om. Atlas overgår altså de menneskestyrede optagelser, den har lært af, i hastighed. Arbejdet ledes ifølge The Robot Report af Scott Kuindersma fra Boston Dynamics og Russ Tedrake fra TRI.

Det skal læses som det, det er. Det er selskabernes egne demonstrationer under kontrollerede forhold, og deres egne tal for, hvor meget hurtigere det går. Videoen siger ikke noget om, hvor godt den samme model klarer opgaver, den ikke er trænet på, eller hvornår en LBM-styret Atlas skal lave rigtigt arbejde. Men den flytter samarbejdet fra hensigt til en robot, der faktisk gør tingene med hele kroppen.