Roboter-Nervensystem mit Chaos-Steuerung
Bild: Nature/P. Manoonpong et al.
Forscher statten eine sechsfüßigen Roboter mit einem simplen neuronalen Schaltkreis aus, der ohne konkrete Vorprogrammierung das passende Verhalten der Maschine generiert und dabei auch lernt
Es ist erstaunlich, welche komplexen Verhaltensweisen die Natur den Lebewesen zugedacht hat. Nicht bei jeder Tierart müssen die Nachkommen ja das Laufen erst über mehrere Jahre erlernen, wie es beim Menschen der Fall ist. Die Robotertechnik steckt da noch in den Kinderschuhen. In der Fachzeitschrift Nature Physics beschreiben Forscher nun eine neue Herangehensweise an den autonomen Gang, den sie der Roboter-Krabbe Amos-WD06 angedeihen ließen.
Spannend ist nämlich weder die mechanische Konstruktion des Sechsfüßers noch die Tatsache, dass dieser seinen Fortbewegungs-Stil an die Umgebung anpasst. Interessant ist hier vor allem das Wie. Die Forscher modellieren das Herzstück der Gangsteuerung, eine Art neuronalen Schaltkreis, nämlich mit den Mitteln der nichtlinearen Dynamik. Diese betrachtet Systeme, deren Differentialgleichungen nichtlineare Funktionen enthalten, mit der Folge einer Vielzahl hoch komplexer Lösungen. Man spricht deshalb auch von der Chaostheorie.
Dass es sich bei einem Wesen, bei dem der Input von 18 Sensoren auf irgendeine, aber sinnvolle Weise den Output von 18 Motoren bestimmen muss, um ein nichtlineares System handelt, ist nachvollziehbar. Wie man ein solches chaotisches System am besten steuert (hier ist das Wort "steuern" im allgemeinen Sinne gefragt), damit befassen sich Wissenschaftler schon eine Weile. Bekannt ist, dass es so genannte instabile periodische Orbitale gibt (IPOs). Das sind periodische Lösungen der Bewegungsgleichungen, die (eben weil instabil) allerdings nicht vom System erreicht werden.
Der beste Vergleich ist hier der mit einem auf die Spitze gestellten Ei, das nach kurzer Zeit umkippt, weil man eben nie den wirklichen, stabilen Schwerpunkt erreicht. Man kann das Ei aber trotzdem am Stehen halten, indem man dauernd darauf einwirkt: Kurz nachdem es in eine Richtung anfängt zu fallen, gibt man ihm einen ganz kleinen Stoß in die andere Richtung. Der Vorteil einer solchen Steuerung besteht darin, dass man mit sehr kleinen Schubsern auskommt - mit nur geringen Einwirkungen. So hält man das System ohne großen Aufwand dauernd in der Nähe eines seiner IPOs.
Eine wichtige Voraussetzung hierfür ist allerdings, dass man das instabile Orbital natürlich zunächst kennen muss. Das ist keine simple Basis - je nach Komplexität des Systems. Und anschließend muss man herausfinden, welcher Art die Einwirkungen sein müssen, damit das System in der Nähe des gewählten IPOs bleibt. Es kommt hinzu, dass es deutlich mehr als eine dieser instabilen Lösungen gibt. Beim Sechsfüßer-Roboter entsprechen sie zum Beispiel den verschiedenen Gangarten, die je nach Gelände (also Sensor-Input) von unterschiedlicher Güte für die Anpassung sind. Sprich: auf gerader, glatter Ebene kommt man mit einer anderen Gangart besser voran als beim Anstieg auf einen Sandhügel. Diese Erfahrung können sogar Zweibeiner schnell nachvollziehen, wenn sie auf glattem Fußweg einen Sprint versuchen. Bei Sechsbeinern ergeben sich da noch ganz andere Möglichkeiten, man denke nur an den Passgang, der uns Menschen verwehrt bleibt, jedenfalls solange wir nicht zu krabbeln beginnen.
Die Forscher haben nun einen Prozess gefunden, der das Auffinden des instabilen Orbitals und die lokale Steuerung des Systems in dessen Nähe zu einem Schritt zusammenfasst. Das wird dadurch erleichtert, dass ihr Forschungsobjekt, die Roboter-Krabbe, nur einen einzigen Gangmuster-Generator besitzt. Der englische Begriff "Central Pattern Generator" - CPG - trifft hier nun endlich zu, denn bisher hat man bei laufenden Maschinen meist für jede Gangart einen separaten CPG (der dann gar nicht mehr so zentral ist) eingesetzt. Das nun in Nature Physics beschriebene Verfahren erlaubt dem System sogar, sich selbst an neue Sensorinput-Kombinationen anzupassen. Der Roboter könnte also, trifft er auf ein bisher unbekanntes Terrain, eine dafür passende Gangart erfinden.
Experimente (siehe Videos) zeigen, dass der Roboter tatsächlich seine Gangart und sein Verhalten dem Sensorinput anpasst. Die Maschine läuft um Hindernisse herum, bewegt sich bergauf anders als bergab, sie rastet ab und zu zur Energiegewinnung und kann sich sogar aus einem Loch befreien. Es lassen sich für einzelne Bestandteile der Bewegung auch aus der Biologie bekannte Muster finden - allerdings ist der konkrete Aufbau des Systems, so schreiben die Forscher, auch von der Biologie der Insekten inspiriert. Die Arbeit liefert aber auf jeden Fall einen Hinweis darauf, dass Chaos bei der Steuerung autonomer, auch biologischer, Systeme eine große Rolle spielt.