Robotische Vierbeiner „können laufen“ wie echte Tiere – mithilfe von KI

Die Forscher Joseph Humphreys von der University of Leeds und Chengxu Zhou vom University College London haben ein bahnbrechendes System entwickelt, das vierbeinigen Robotern ermöglicht, ihren Gang ähnlich wie Tiere an das Gelände anzupassen. Ihre in der renommierten Fachzeitschrift Nature Machine Intelligence veröffentlichte Arbeit stellt einen bedeutenden Fortschritt auf dem Gebiet der robotischen Fortbewegung dar.

Drei Säulen der tierischen Fortbewegung in der Robotik

Das Forschungsteam identifizierte drei Schlüsselmerkmale der tierischen Fortbewegung, die bislang nicht in Robotersystemen implementiert wurden. Dabei handelt es sich um Strategien für Übergänge zwischen Gangarten, prozedurales Ganggedächtnis und Anpassung der Bewegung in Echtzeit. Bei Tieren werden diese Prinzipien von verschiedenen Teilen des Gehirns gesteuert – der mesenzephalen Bewegungsregion (mesencephalic locomotor region) und dem Kleinhirn (cerebellum).

Während aktuelle Systeme des tiefen bestärkenden Lernens (Deep Reinforcement Learning – DRL) bemerkenswerte Ergebnisse erzielen, bleiben sie auf einzelne Gangarten beschränkt. Tiere hingegen wechseln fließend zwischen verschiedenen Fortbewegungsarten – vom Traben über das Laufen bis hin zu spezialisierten Gangarten wie Springen oder Hüpfen bei der Flucht vor Fressfeinden.

Biomechanische Metriken für die optimale Auswahl der Gangart

Die Forscher entwickelten ein System, das auf vier von der tierischen Fortbewegung inspirierten biomechanischen Metriken basiert. Die Transportkosten messen die Energieeffizienz, die Drehmomentsättigung charakterisiert die Belastung von Antrieb und Struktur, die externe Arbeit bewertet die mechanische Arbeit und der Fehler bei der Verfolgung des Fußkontakts gibt Aufschluss über die Stabilität des Systems.

Diese Metriken werden im Rahmen der Richtlinie zur Gangartenauswahl (πG) zusammengeführt, die anhand des aktuellen Zustands des Roboters die optimale Gangart aus acht verfügbaren Möglichkeiten auswählt: Stehen, Traben, Laufen, Sprung auf den Hinterbeinen, Hüpfen, Hinken, langsames Gehen und Springen.

Bioinspirierter Gangplaner

Ein zentraler Bestandteil des Systems ist der bioinspirierte Gangplaner (Bio-inspired Gait Scheduler – BGS), der als pseudoprozedurales Ganggedächtnis fungiert. Der BGS erzeugt Referenzgangmuster auf Grundlage übergeordneter Parameter und des aktuellen Zustands des Roboters. Dieses System ermöglicht fließende Übergänge zwischen beliebigen Paaren von Gangarten, was für die Anpassungsfähigkeit unter realen Bedingungen entscheidend ist.

Der BGS verwendet modifizierte Raibert-Heuristiken zur Berechnung der Referenzpositionen der Füße in kartesischen Koordinaten mit Begrenzungen von 0,3 m auf der x-Achse, 0,2 m auf der y-Achse und 0,1 m auf der z-Achse relativ zur nominalen lokalen Fußposition. Das System verwendet außerdem die Froude-Zahl (Ω), um die inhärente Stabilität verschiedener Gangarten zu bestimmen.

Tests auf realem Gelände

Der Roboter Unitree A1 mit 12 Freiheitsgraden wurde auf einer breiten Palette realer Untergründe getestet, darunter Holzspäne, Betonplatten mit großen Rissen, Asphalt, tiefer Schotter, Grasflächen, überwucherte Wurzeln, Laub, lose verlegte Balken und Oberflächen mit geringer Reibung.

Während der Experimente demonstrierte der Roboter die Fähigkeit, unter normalen Bedingungen autonom zwischen den nominalen Gangarten (Traben und Laufen) zu wechseln und zur Bewältigung von Instabilität unterstützende Gangarten (Sprunggalopp, Prellsprung, Hinken, Passgang, Hüpfen) einzusetzen. Dieses Verhaltensmuster entspricht genau den bei Tieren beobachteten Strategien.

Vergleich mit tierischen Strategien

Die Forscher führten einen detaillierten Vergleich mit Daten von Hunden, Pferden und Opossums durch. Sie stellten fest, dass ihr System πG^uni die tierischen Strategien für Übergänge zwischen Gangarten originalgetreu nachbildet. Mit zunehmender Geschwindigkeit verwendet der Roboter bei niedrigen Geschwindigkeiten überwiegend den Trab und bei hohen Geschwindigkeiten den Lauf, wobei er während der Beschleunigung zwischen diesen beiden Gangarten wechselt und das Laufen zunehmend bevorzugt.

Dieses Verhalten wurde nie explizit programmiert, sondern entstand emergent aus der Minimierung biomechanischer Metriken. Dies stützt die Hypothese, dass die Zusammenführung dieser Metriken tatsächlich die Komplexität tierischer Gangartenübergänge abbildet.

Ergebnisse ohne externe Sensorik

Bemerkenswert ist, dass das gesamte System ausschließlich mit internen Sensoren funktioniert – ohne externe Erfassung der Umgebung. Der Roboter stützt sich zur Verarbeitung der Sensordaten auf eine IMU (Inertialmesseinheit), interne Rückmeldungen aus den Gelenken und einen Zustandsschätzer (State Estimator).

Diese Fähigkeit ist für den praktischen Einsatz entscheidend, da visuelle Systeme Änderungen des Reibungskoeffizienten des Geländes oder strukturelle Veränderungen außerhalb der Reichweite der Vorderbeine des Roboters häufig nicht erkennen können. Das System überwindet damit erhebliche Einschränkungen heutiger Roboterplattformen.

Die Zukunft der adaptiven Robotik

Die Forschung stellt einen bedeutenden Schritt hin zu einer robusten, effizienten und vielseitigen robotischen Fortbewegung dar. Die Autoren planen, ihre Arbeit mit Methoden für Froude-unabhängige Gangarten (Fortbewegung mit einer gewünschten Gehgeschwindigkeit relativ zur Bodenebene) zu kombinieren, etwa dem Springen zwischen Plattformen oder dem Überwinden von Hindernissen.

Diese Arbeit zeigt, wie die motorische Intelligenz von Tieren die nächste Generation adaptiver Maschinen prägen kann, und eröffnet neue Möglichkeiten für den Einsatz von Robotern unter unvorhersehbaren realen Bedingungen.