一台以腿式运动闻名的人形机器人，被装上轮子之后会怎样？波士顿动力 11 月 9 日公开的一段实验视频给出了答案：Atlas 用轮子滑行、原地旋转、做各种激进动作，还能在平坦地面快速滚动与越过障碍的腿式运动之间平滑切换。
做这件事的是 Atlas 控制工程师 Andy Wu。他的目标有两个：一是把执行器推到极限，看硬件还剩多少余量；二是研究非结构化环境的适应性——纯基于模型的控制在难以建模、难以仿真的真实条件下有明显局限，他想看看强化学习策略能不能补上这块。
改装方案简单得出人意料。一个定制转接件把现成的滑板车轮圈装到 Atlas 原有的脚踝执行器上，这是整机唯一新增的零件。Wu 说，因为 Atlas 从设计之初就考虑了高产量制造与易维护，这次改装的工作量大约相当于给自行车换个轮子。软件侧同样直接：把每个轮子建模成一个可以连续旋转的「脚踝」，然后在基线机器人模型里把足部替换成轮子即可。
控制策略是这次的技术核心，也是最有参考价值的部分。系统把两类方法叠在一起：经典基于模型的电机控制负责基础稳定，全身强化学习策略负责反应式适应——策略接收实时本体反馈与速度指令，输出动态姿态与力矩调整，用来吸收未建模的扰动与非理想接触状态。Wu 的结论是，把两者结合起来的真实世界敏捷性，优于任何单一方法。这个判断比任何单个动作演示都重要：它说明在可预见的将来，人形机器人的运动控制不是「RL 取代经典控制」，而是分层协作。
训练全部在仿真里完成，然后直接上真机，据 Wu 说精度「令人惊讶地准确」。这也是强化学习路线这几年最大的变化——sim-to-real 的鸿沟在缩小，尤其是在有高质量物理引擎与域随机化的条件下。
这件事在产业上有几层含义。第一层是形态之争的又一组数据。人形机器人行业一直在讨论轮式与腿式谁更实用：轮式在平坦地面效率高、成本低、控制简单；腿式能上楼梯、跨障碍、适应为人设计的环境。Atlas 这个实验的价值在于，它展示了「可切换」的第三条路——在工厂地面滑行，遇到台阶站起来走。当然，加轮子会带来重量与复杂度，实际产品是否值得，要算账。
第二层是关于产品化边界的自我约束。波士顿动力明确表态：带轮子的 Atlas 不是产品，是研究测试台。这句话很重要，因为 Atlas 正处在从演示走向量产的关键阶段——现代汽车已把 Atlas 相关业务交由零部件子公司现代摩比斯负责，计划 2028 年或之后量产，公司也在为在现代工厂扩大 Atlas 测试做准备，同时开发新的四指夹爪。
第三层是行业动向的呼应。Agility Robotics 近期也表示在探索轮式机器人，作为「以人为本的多用途平台」家族的一部分；联合创始人兼首席机器人官 Jonathan Hurst 说 Digit 大概率不会加轮子，但公司在研究其他轮式构型。当两家最有代表性的腿式人形公司都在算轮式的账，说明这个问题的答案取决于场景而非立场。
Wu 提到的下一步是「执行器失效时的策略响应」——这对安全和系统失效理解都是关键。人形机器人有几十个自由度，任何一个关节失效都可能让整机失衡，如果策略能在单点失效后重新规划支撑与移动方式，实际部署的容错边界会宽很多。这也是强化学习相比查表式控制更有潜力的地方：它学的是「如何在约束下达成目标」，而不是「在正常状态下执行固定轨迹」。
最后要提醒的是别过度解读。视频里的动作是在实验室环境、由工程师反复调试后完成的，距离「在客户现场连续八小时工作」还有很长的路。但作为技术路线的探针，它提供了两个可验证的判断：一是 Atlas 的硬件余量比想象中大，加一个转接件就能改变运动模态；二是混合控制（经典 + RL）目前是最稳的工程解，而不是二选一。