# רובוט ארבע־רגלי למד להחליף סגנון תנועה כדי לחצות יער ולקפוץ מעל מכשולים

> מערכת APT-RL משלבת מיומנויות תנועה שנלמדו מראש עם למידת חיזוק. הרובוט בוחר בעצמו מתי לרוץ, לטפס או לדלג, באמצעות חיישנים ומחשב הנמצאים על גופו

- Canonical: https://www.hayadan.org.il/quadruped-robot-apt-rl-motor-skills
- Author: אבי בליזובסקי
- Published: 2026-08-07T08:40:00+03:00
- Modified: 2026-11-01T00:17:57+02:00
- Sections: רובוטיקה - כללי
- Topics: APT-RL, Science Robotics, בינה מלאכותית, למידת חיזוק, למידת מכונה, ניווט אוטונומי, רובוט ארבע־רגלי, רובוטים בעלי רגליים, רובוטיקה

## Article

מערכת APT-RL משלבת מיומנויות תנועה שנלמדו מראש עם למידת חיזוק. הרובוט בוחר בעצמו מתי לרוץ, לטפס או לדלג, באמצעות חיישנים ומחשב הנמצאים על גופו הרובוט הארבע־רגלי משתמש במערכת APT-RL כדי לבחור בין צורות תנועה ולחצות מכשולים בשטח. קרדיט: Jun-Gill Kang et al./Science Robotics [רובוט ארבע־רגלי](https://www.hayadan.org.il/topic/%d7%a8%d7%95%d7%91%d7%95%d7%98-%d7%90%d7%a8%d7%91%d7%a2%d6%be%d7%a8%d7%92%d7%9c%d7%99) הצליח לנוע באופן אוטונומי ביער, לטפס במדרגות, לעבור בין אבני דריכה ולקפוץ מעל גזעים שנפלו, באמצעות מערכת בקרה הבוחרת בזמן אמת בין כמה מיומנויות תנועה. המערכת, המכונה [APT-RL](https://www.hayadan.org.il/topic/apt-rl) – ראשי תיבות של Action Pretrained Transformer–based Reinforcement Learning – פותחה בידי ג'ון־גיל קאנג (Jun-Gill Kang) ועמיתיו. המחקר פורסם ב-15 ביולי 2026 בכתב העת [Science Robotics](https://www.hayadan.org.il/topic/science-robotics) של AAAS. בעלי חיים בעלי ארבע רגליים מסוגלים לשנות במהירות את צורת התנועה בהתאם לשטח. הם יכולים לעבור מהליכה לריצה, להאט לפני מכשול, לזנק או לשנות את מיקום כפות הרגליים. אצל רובוטים נדרשים בדרך כלל בקרי תנועה נפרדים ותכנון מדויק לכל משימה. ## איך מאמנים רובוט לבחור תנועה החוקרים ביקשו לפתח מערכת שלא תלמד כל משימה מחדש, אלא תוכל לבחור ולשלב מיומנויות שכבר נלמדו. לשם כך חילקו את תהליך האימון לשלושה שלבים, המתקדמים מתנועות בסיסיות להתנהגות מורכבת בסביבה אמיתית. בשלב הראשון למד הרובוט דפוסי תנועה בסיסיים, כגון ריצה קלה ודהירה, באמצעות מאגר גדול של תנועות דו־ממדיות. מיומנויות אלה שימשו מעין אוצר מילים מוטורי שעליו ניתן לבנות התנהגויות מורכבות יותר. בשלב השני הופעלה [למידת חיזוק](https://www.hayadan.org.il/topic/%d7%9c%d7%9e%d7%99%d7%93%d7%aa-%d7%97%d7%99%d7%96%d7%95%d7%a7) (reinforcement learning). הרובוט התאמן בבחירת המיומנות המתאימה למצב: מתי להמשיך בריצה, מתי להאט, מתי לטפס ומתי לעבור לתנועת קפיצה. במהלך האימון קיבלה המערכת משוב על הצלחתה לעבור מכשולים תוך שמירה על יציבות ומהירות. בשלב השלישי הותאמו הפעולות למידע מחיישנים אמיתיים. במקום להסתמך על מפה מפורטת או על מחשב חיצוני, הרובוט עיבד את המידע באמצעות מערכות התפיסה והמחשוב שעל גופו. ## מה זה מאפשר, ומה עדיין חסר השילוב מאפשר מעבר מהיר בין צורות תנועה. כאשר הרובוט מזהה גזע נמוך, למשל, הוא עשוי לעבור מתנועה רציפה לקפיצה. מול מדרגות או אבנים הוא יכול לבחור תנועה אטית ומדויקת יותר, ולאחר מכן לחזור לריצה. היכולת לעבור בין מיומנויות היא חשובה לשימוש ברובוטים בסביבות שאינן מסודרות מראש. רובוטים כאלה עשויים בעתיד לפעול באתרי אסון, במכרות, ביערות, במפעלי תעשייה או במשימות שבהן כלי רכב גלגליים מתקשים לנוע. עם זאת, הדגמות מוצלחות במסלולי הניסוי אינן מבטיחות פעולה אמינה בכל סביבה. תנאי תאורה, בוץ, צמחייה צפופה, משטחים חלקים, מכשולים בלתי צפויים או תקלות בחיישנים עלולים עדיין להקשות על המערכת. המחקר ממחיש מגמה ב[רובוטיקה](https://www.hayadan.org.il/topic/%d7%a8%d7%95%d7%91%d7%95%d7%98%d7%99%d7%a7%d7%94): מעבר מבקר המיועד לתנועה יחידה אל מערכות המשתמשות במאגר מיומנויות ומחליטות בעצמן איזו מהן מתאימה לכל רגע. ## שאלות ותשובות ### מהי מערכת APT-RL? זו מערכת בקרה לרובוט ארבע־רגלי, המשלבת מיומנויות תנועה שנלמדו מראש עם למידת חיזוק. היא מאפשרת לרובוט לבחור בעצמו בין ריצה, טיפוס וקפיצה לפי השטח. ### איך אומן הרובוט? האימון התחלק לשלושה שלבים: לימוד דפוסי תנועה בסיסיים ממאגר תנועות דו־ממדיות, למידת חיזוק לבחירת המיומנות המתאימה, והתאמה למידע מחיישנים אמיתיים. ### האם הרובוט זקוק למפה או למחשב חיצוני? לא. הרובוט עיבד את המידע באמצעות מערכות התפיסה והמחשוב שעל גופו, ולא הסתמך על מפה מפורטת או על מחשב חיצוני. ### האם הרובוט כבר מוכן לפעול בכל סביבה? לא בהכרח. הדגמות מוצלחות במסלולי הניסוי אינן מבטיחות פעולה אמינה בכל סביבה, ותנאי תאורה, בוץ, צמחייה צפופה או תקלות בחיישנים עלולים עדיין להקשות על המערכת. למאמר המדעי: [Agile perceptive multiskill locomotion for quadrupedal robots in the wild, Science Robotics](https://doi.org/10.1126/scirobotics.adz7397) ## עוד בנושא באתר הידען - [מצ’אטבוטים לרובוטים (Physical AI): למה כל שלב בבינה מלאכותית דורש מחשוב מסוג אחר](https://www.hayadan.org.il/ai-chatbots-agentic-physical-ai-computing) - [רובוט סיני רץ 100 מטר ב־9.39 שניות — אבל הוא עדיין אינו יוסיין בולט](https://www.hayadan.org.il/chinese-humanoid-robot-100m-record-beijing-2026) - [מעט אקראיות משפרת את הניווט של נחילי רובוטים בסביבות צפופות](https://www.hayadan.org.il/controlled-randomness-improves-robot-swarms-navigation) - [איך ייראו החיים בעידן הרובוטים דמויי-האדם](https://www.hayadan.org.il/%d7%90%d7%99%d7%9a-%d7%99%d7%99%d7%a8%d7%90%d7%95-%d7%94%d7%97%d7%99%d7%99%d7%9d-%d7%91%d7%a2%d7%99%d7%93%d7%9f-%d7%94%d7%a8%d7%95%d7%91%d7%95%d7%98%d7%99%d7%9d-%d7%93%d7%9e%d7%95%d7%99%d7%99-%d7%94)

## שאלות ותשובות

### מהי מערכת APT-RL?

זו מערכת בקרה לרובוט ארבע־רגלי, המשלבת מיומנויות תנועה שנלמדו מראש עם למידת חיזוק. היא מאפשרת לרובוט לבחור בעצמו בין ריצה, טיפוס וקפיצה לפי השטח.

### איך אומן הרובוט?

האימון התחלק לשלושה שלבים: לימוד דפוסי תנועה בסיסיים ממאגר תנועות דו־ממדיות, למידת חיזוק לבחירת המיומנות המתאימה, והתאמה למידע מחיישנים אמיתיים.

### האם הרובוט זקוק למפה או למחשב חיצוני?

לא. הרובוט עיבד את המידע באמצעות מערכות התפיסה והמחשוב שעל גופו, ולא הסתמך על מפה מפורטת או על מחשב חיצוני.

### האם הרובוט כבר מוכן לפעול בכל סביבה?

לא בהכרח. הדגמות מוצלחות במסלולי הניסוי אינן מבטיחות פעולה אמינה בכל סביבה, ותנאי תאורה, בוץ, צמחייה צפופה או תקלות בחיישנים עלולים עדיין להקשות על המערכת. למאמר המדעי: Agile perceptive multiskill locomotion for quadrupedal robots in the wild, Science Robotics