Faszination Technik Wie ein Roboter-Hund in einer Stunde das Laufen lernt

Anbieter zum Thema

ACE Stoßdämpfer GmbH

Maxon Motor GmbH

IEF-Werner GmbH

Max-Planck-Institut für Intelligente Systeme

In unserer Rubrik „Faszination Technik“ stellen wir Konstrukteuren jede Woche beeindruckende Projekte aus Forschung und Entwicklung vor. Heute: Ein Roboter-Hund, bei dem ein Computerprogramm als künstliches Nervensystem im Rückenmark fungiert und ein Lernalgorithmus die Bewegung so optimiert, dass nach einer Stunde flüssiges Gehen möglich ist.

Tiere kommen voll ausgestattet auf die Welt. Aber die Koordination, alle Muskeln und Sehnen perfekt einzusetzen, kommt erst mit der Zeit. Ein neu geborenes Jungtier muss nach der Geburt erst einmal lernen, seine Beine geschickt einzusetzen. Dabei ist es auf seine Reflexe angewiesen. Sie helfen bei den ersten Gehversuchen, nicht hinzufallen und sich wehzutun. Die genaue Muskelkontrolle muss geübt werden bis das Nervensystem im Rückenmark gut angepasst ist. Forscher am Max-Planck-Instituts für Intelligente Systeme (MPI-IS) in Stuttgart gingen nun der Frage nach, wie Tiere das Laufen lernen und aus Stolperern profitieren.

Lernalgorithmus optimiert virtuelles Rückenmark

Dafür bauten sie einen vierbeinigen Roboter, der einem Hund ähnelt und genau wie dieser Reflexe besitzt und aus Fehlern lernen kann. „Morti“ ist in nur einer Stunde in der Lage, seine interne Mechanik, so gut er kann, einzusetzen. Das funktioniert mit einem bayesian optimization Lernalgorithmus: Sensorinformationen von den Füßen (die Ist-Daten) werden mit den Solldaten des Computers bzw. des virtuellen Rückenmarks abgeglichen. Der Roboter lernt zu laufen, indem er die Struktur der gesendeten Bewegungsmuster kontinuierlich an die Sensorinformationen angleicht. Dieser Lernalgorithmus beeinflusst einen sogenannten Central Pattern Generator (CPG) – einen zentralen Bewegungsmuster-Generator.

Mortis CPG wird dabei in einem kleinen und leichten Computer simuliert. Dieses virtuelle Rückenmark ist bei dem Vierfüßler dort angebracht, wo eigentlich der Kopf wäre. In der Stunde, die es braucht, damit der Roboter flüssig läuft, werden kontinuierlich die Daten der Sensoren, die an den Füßen angebracht sind, mit den CPG-Signalen abgeglichen. Stolpert der Roboter, ändert der Lernalgorithmus wie weit die Beine vor und zurück schwingen, wie schnell sie schwingen, wie lange ein Bein auf dem Boden bleibt. Die angepasste Beinbewegung beeinflusst, wie gut oder schlecht der Roboter seine Mechanik ausnutzten kann. Das CPG sendet angepasste Signale, damit der Roboter fortan möglichst wenig stolpert und damit sein Laufen optimiert.

Energieeffizienter Roboter-Hund

Wie die Forschenden mitteilen, verbraucht der Computer lediglich fünf Watt (W) Energie. Riesige Roboter-Konstrukten, die mithilfe von komplexen und aufwändigen Steuerungen laufen gelernt haben und deren genaue Masse und Geometrie bekannt ist, benötigen dagegen einen weit höheren Energiebedarf. Sie verbrauchen in der Regel mehrere Dutzend bis zu mehreren Hundert Watt Strom, heißt es. Das energieeffiziente Stuttgarter Modell liefere zudem noch wichtige Erkenntnisse über die Anatomie von Tieren.

Zur Originalpublikation im Fachjournal Nature Machine Intelligence

(ID:48491615)