RaiBo: Roboterhund lernt Laufen auf weichem Sand

Ein Wissenschaftsteam des Korean Advanced Institute of Science and Technology (KAIST) hat dem Roboterhund RaiBo beigebracht, auf weichen Untergründen, in denen die Füße einsinken, sicher laufen zu können. Der Roboter erreicht so auf weichem Sand Geschwindigkeiten von 3 m/s, etwa 10,8 km/h. RaiBo kann sich mit dem zugrundeliegenden trainierten Controller beim Laufen automatisch an verschiedene Untergründe anpassen und somit die Laufsicherheit erhöhen.

Wer schon selbst an einem weichen Sandstrand unterwegs war, weiß, dass man sich dort etwas stokeliger bewegt als auf festerem Sand in Wassernähe. Einer der Gründe dafür ist, dass die Füße unvorhersehbar unterschiedlich tief einsinken und somit den sicheren Gang negativ beeinflussen. Für einen Roboter, der ständig seine Bewegungen aufgrund von Sensordaten anpassen muss, ist eine sichere Fortbewegung auf solch weichen Untergründen noch schwieriger.

Die Wissenschaftler des KAIST haben deshalb ein künstliches neuronales Netzwerk geschaffen, das es RaiBo durch verstärktes Lernen ermöglicht, sich beim Laufen in Echtzeit an verschiedene Arten von Oberflächen anzupassen. Das System beschreiben die Forschenden unter der Leitung von Soo-Young Choi, Doktorandin am KAIST, in der Studie "Learning quadrupedal locomotion on deformable terrain", die in Science Robotics veröffentlicht ist.

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmmung wird hier ein externes Video (Kaltura Inc.) geladen.

Videos immer laden Video jetzt laden

Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Kaltura Inc.) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.

Zunächst haben die Wissenschaftlerinnen und Wissenschaftler ein Kontaktmodell erstellt. Dieses Modell kann die beim Kontakt mit dem Boden erzeugte Kraft aus der Bewegungsdynamik eines gehenden Körpers vorhersagen. Dieses Modell ist nötig, um eine möglichst genaue Simulation eines weichen Geländes erstellen zu können, um ein genaues Training per Reinforcement Learing zu ermöglichen. Das erstellte Modell basiert auf einem Bodenreaktionskraftmodell, das den zusätzlichen Masseneneffekt von körnigen Medien wie Sand berücksichtigt. Dieses Modell hatten die Forschenden bereits in früheren Studien entwickelt.

Bodenbeschaffenheit voraussagen

Zudem schuf das Team ein rekurrentes neuronales Netz (RNN). Bei dieser Form eines neuronalen Netzes sind die Neuronen gleicher Schicht und unterschiedlicher Schichten rückgekoppelt. Das ermöglicht es etwa, aus einer großen Datenmenge zeitlich kodierte Informationen zu gewinnen. Die Forscherinnen und Forscher nutzten dies dazu, Zeitreihendaten, die die Robotersensoren liefern, zu analysieren. Das RNN kann so implizit Voraussagen zu den Bodeneigenschaften treffen.

Den Roboterhund RaiBo statteten sie mit einem entsprechend angelernten Controller aus und ließen den Roboter an einem weichen Sandstrand laufen. Dabei tauchten die Füße des Roboters komplett in den Sand ein. Der Roboter passte sein Laufen automatisch den Geländeeigenschaften an. Bei den Versuchen erreichte RaiBo eine Geschwindigkeit von 3,03 m/s. Das Wissenschaftsteam testete den Roboter zusätzlich auf weiteren Untergründen, die auch härter waren, darunter fester Sand, Grasflächen und eine Laufbahn eines Sportplatzes. Änderungen an dem Steueralgorithmus nahmen die Forschenden nicht vor. RaiBo konnte sein Laufverhalten trotzdem entsprechend anpassen.

Das Forschungsteam sieht den von ihnen entwickelten Controller für den Einsatz anderer Laufroboter geeignet. "Der vorgeschlagene Controller kann ohne vorherige Informationen über das Gelände eingesetzt werden, sodass er für verschiedene Studien zum Laufen von Robotern verwendet werden kann", sagt Soo-Young Choi.

(olb)