Robo erectus und das Rätsel des aufrechten Gangs
Im Interview mit heise online erklärt Katja Mombaur die Mathematik des zweibeinigen Laufens und warum Roboter es Menschen so schnell nicht gleich tun werden.
![Robo erectus und das Rätsel des aufrechten Gangs](https://heise.cloudimg.io/width/610/q85.png-lossy-85.webp-lossy-85.foil1/_www-heise-de_/imgs/18/1/8/9/2/0/5/8/KM_Nao-811d6a79b01329c8.jpeg)
Wer versucht, zweibeinigen Robotern das Gehen beizubringen, lernt unvermeidlich auch viel über sich selbst. Denn die genaue Beobachtung menschlicher Gangarten steht am Anfang dieses Vorhabens. Dabei kommt es gelegentlich zu überraschenden Ergebnissen. So berichtete Enrico Chiovetto (Universität Tübingen) beim Abschlussworkshop des EU-Forschungsprojekts KoroiBot jetzt an der Universität Heidelberg von Experimenten, bei denen Versuchspersonen über einen schmalen Balken balancieren sollten. Dabei zeigte sich, dass die Armbewegungen, mit denen die Teilnehmer des Experiments häufig versuchten, das Gleichgewicht zu halten, vergleichsweise wenig Wirkung haben.
„70 Prozent der Stabilität kommen vom Rumpf“, fasste Chiovetto die Ergebnisse der Messungen zusammen. Das Balancieren mit den Armen diene wohl eher der Wahrnehmung, so seine Vermutung, die auch dadurch gestützt werde, dass gelernte Artisten auf dem Drahtseil kaum mit den Armen arbeiteten. Allerdings sei diese Frage durchaus noch umstritten.
Koordiniert wurde das dreijährige Projekt von Katja Mombaur, Leiterin der Arbeitsgruppe Optimierung in Robotik und Biomechanik und des Robotiklabors am Interdisziplinären Zentrum für Wissenschaftliches Rechnen der Universität Heidelberg. Im Interview mit heise online erklärt sie die Mathematik des zweibeinigen Laufens und spekuliert über die Möglichkeit, mit humanoiden Robotern vielleicht auch dem Rätsel des aufrechten Gangs in der Evolutionsgeschichte auf die Spur zu kommen.
heise online: Frau Mombaur, die Bandage an ihrem linken Fuß lässt mich vermuten, dass Sie in letzter Zeit wohl eher suboptimal gelaufen sind.
Katja Mombaur: Das stimmt, ich bin suboptimal gejoggt und habe mir dabei einen Bänderriss zugezogen.
heise online: Wenn ich beim Laufen ständig über die Formeln nachdenken müsste, mit denen Sie diese Fortbewegungsart zu erfassen und zu optimieren versuchen, würde ich auch ins Stolpern kommen.
Normalerweise müssen wir ja glücklicherweise nicht darüber nachdenken. Die Grundannahme unseres Projekts lautet, dass wir Menschen ohnehin optimal, der jeweiligen Situation angepasst, laufen. Die Formeln kommen erst ins Spiel, wenn wir diese Fähigkeit auf humanoide Roboter übertragen wollen. Wenn wir versuchen, Bewegungen von Robotern zu optimieren, besteht der erste Schritt darin, die Physik des Roboters im Computer abzubilden. Dazu nehmen wir die mechanischen Eigenschaften des Roboters, etwa seine Geometrien oder die Massenverteilung, und formulieren dazu die Newtonschen Bewegungsgesetze. So erhalten wir ein System aus Differentialgleichungen, die das Modell des Roboters darstellen. Auf dieses Modell können wir dann Optimierungs-Zielfunktionen anwenden.
heise online: Diese Optimierung kann aber in verschiedene Richtungen zielen.
In vielen Fällen geht es um Effizienz oder andere auf den Energieverbrauch bezogene Kriterien. Manchmal, etwa beim Sprinten, soll aber auch die Geschwindigkeit maximiert werden oder beim Weitsprung die Sprungweite. In der Robotik ist es uns zum Beispiel gelungen, für einen Roboter die größtmögliche Schrittweite zu erzeugen.
heise online: Ansonsten scheint es bei humanoiden Robotern noch vorrangig darum zu gehen, dass sie nicht hinfallen und eine gegebene Strecke in einer akzeptablen Zeit zurücklegen.
Genau, zu all den Parametern, die wir optimieren wollen, kommen noch Nebenbedingungen hinzu. Dazu zählt auch eine gewisse Stabilität.
Bewegungsalphabet
heise online: Beim Workshop war viel von Motion Primitives die Rede, was sich vielleicht als „Elementarbewegungen“ übersetzen lässt. Ein Ziel des KoroiBot-Projekts war es, daraus eine Art Bewegungsalphabet zusammenzustellen.
Wir haben zunächst mit verschiedenen Methoden untersucht, wie Bewegungen beim Menschen gelernt und optimiert werden. Wenn es nun darum geht, diese Bewegungen auf den Roboter zu übertragen, sind Bewegungsprimitive eine Möglichkeit. Das sind Bewegungselemente, die auf verschiedene Weisen miteinander kombiniert werden können, um auf diese Weise neue Bewegungen zu erzeugen. Im Projekt haben wir dafür sehr verschiedene Ansätze untersucht. Eine Möglichkeit zum Beispiel besteht darin, Bewegungsprimitive zu nehmen, die aus den Lösungen von Optimalsteuerungsproblemen für einzelne Bewegungen des Robotermodells entstanden sind. Durch Kombination von wenigen dieser optimalen Bewegungen kann man dann wieder neue, auch wieder fast optimale Bewegungen erzeugen. Und das in einer sehr kurzen Zeit.
heise online: Wie kann ich mir solche Bewegungselemente vorstellen?
In unserem Fall haben wir Bewegungen für einzelne Schrittlängen optimiert. Daraus haben wir Bewegungsprimitive gelernt, die sich auf die Bewegungen der einzelnen Gelenke, aber auch auf die Bewegungen des Zero Moment Points bezogen, der den Druckmittelpunkt unter dem Fuß des Roboters kennzeichnet und bei einigen Robotern eine wichtige Größe für die Regelung der Stabilität darstellt. Ganz allgemein können Bewegungsprimitive sowohl zeitlich als auch räumlich definiert sein. Es ist ein Sammelbegriff, hinter dem sich die unterschiedlichsten Dinge verbergen können.
heise online: Beim Zero Moment Point geht es, wenn ich es richtig verstehe, darum, die im Roboter wirkenden Beschleunigungskräfte so zu regeln, dass der Druckmittelpunkt sicher im Innern der von den Füßen markierten Fläche liegt. Aber ist dieses Verfahren nicht an eine bestimmte Hardware gebunden und teilt damit auch ihre Grenzen?
Es ist immer noch ein sehr verbreitetes Verfahren, aber leider auch ein sehr konservatives. Man versucht, diesen Punkt nicht an die Grenzen der erlaubten Fläche gehen zu lassen. Genau das ist aber etwas, was wir Menschen ständig tun. Selbst beim Abrollen des Fußes beim normalen Laufen bewegt sich unser Zero Moment Point von ganz hinten an der Ferse bis ganz nach vorne zu den Zehen. Wenn wir uns stabilisieren und hin und her kippeln, passiert das auch die ganze Zeit. Das sind Sachen, die Robotern im Rahmen dieses Kontrollkonzeptes verboten sind. Daher haben wir versucht, davon wegzugehen.
Fall- und Auffangphasen
heise online: Ich hatte auch nie den Eindruck, dass ich mich beim Gehen am Zero Moment Point orientiere. Mir kommt es eher so vor, als würden wir ständig fallen und den Sturz mit dem jeweils nächsten Schritt verhindern.
Genau, das menschliche Laufen ist eine Sequenz von Fall- und Auffangphasen. Das können humanoide Roboter aktuell noch nicht. Es gibt seit etwa 25 Jahren die passiv-dynamischen Roboter, die mit sehr einfachen Systemen versucht haben, dieses Konzept umzusetzen. Sie haben aber noch keinen Eingang in die humanoide Robotik gefunden, weil es noch nicht gelungen ist, diesen Ansatz mit einer großen Flexibilität zu verbinden. Die passiv-dynamischen Roboter können eben nur einen Bewegungsmodus ausführen, die humanoiden Roboter dagegen lassen sich auf sehr viele verschiedene Bewegungen regeln, aber noch nicht nach einem wirklich dynamischen Konzept. Daher haben wir versucht, andere Ansätze zu entwickeln. Aber tatsächlich ist das auch an die Hardware gekoppelt.
heise online: Nun war ein Ziel des Projekts auch, Grundlagen für das Design der nächsten Robotergeneration zu entwickeln, indem Sie durch Optimierung die vorhandene Hardware an ihre Grenzen bringen.
Ganz richtig. Wir haben uns auch die Frage gestellt, was wir uns wünschen würden, wenn wir bei der Hardware die freie Wahl hätten. Dazu gehören stärkere Motoren, aber auch die Möglichkeit, freie Regelkonzepte umzusetzen, auch freie Stabilitätsregelungen. Ein stärker menschenähnlicher Fußkontakt beim Laufen zählt ebenfalls dazu. Wir haben im Projekt den Einfluss elastischer Elemente untersucht, die bei menschlichen Bewegungen eine wichtige Rolle spielen. Da ist die Elastizität sowohl in den Gelenken wichtig, als auch bei den Kontaktflächen, etwa bei Händen und Füßen. Roboter sind dagegen zur Zeit noch überwiegend sehr starr.
heise online: Nachgiebige Aktuatoren waren auch beim Workshop ein Thema. Erfordern die nicht völlig neue Kontrollverfahren?
Ja, natürlich. In der Industrierobotik war die Positionskontrolle sehr verbreitet und auch viele humanoide Roboter arbeiten noch nach diesem Prinzip. Aber das ist nicht das Prinzip, nach dem der Mensch funktioniert, jedenfalls nicht bei dynamischen Laufbewegungen. Auf flachem Grund setzen wir unsere Füße normalerweise dorthin, wo es gerade passt. Bei beschränkten Situationen, etwa auf Treppen oder Trittsteinen, ändert sich das etwas. Dann muss das rein mechanische Laufen, das nach dem Prinzip fallen und wieder auffangen abläuft, mit kognitiven Elementen gemischt werden, sodass man genauer bestimmt, wohin der Fuß gesetzt wird.
Grenzen maschinellen Lernens
heise online: Prallen da zwei Denktraditionen aufeinander: Auf der einen Seite die etablierte Industrierobotik mit ihrer Präzision und Wiederholgenauigkeit, auf der anderen die künstliche Intelligenz und mobile Robotik, die auf einmal mit Schätzwerten und Wahrscheinlichkeiten arbeitet?
Ein Vorteil des Projekts lag darin, dass wir Forscher aus vielen verschiedenen Disziplinen dabei hatten und gemeinsam versucht haben, zu neuen Lösungen zu kommen. In der humanoiden Robotik muss man langfristig sicherlich weg von der präzisen Positionsregelung und hin zu flexiblen Bewegungen. Man kann aber in der humanoiden Robotik nicht alles von Beginn an lernen. Bei Ganzkörperbewegungen stößt maschinelles Lernen derzeit noch an Grenzen, weil die Zahl möglicher Bewegungen einfach zu groß ist. Ein komplexer humanoider Roboter, der wirklich bei Null beginnen würde, das Laufen zu lernen, hätte keine Chance, ans Ziel zu kommen. Daher haben wir versucht, zunächst mit dem Computermodell Bewegungen zu optimieren und Lernverfahren dafür eingesetzt, die Abweichungen zwischen Modell und Realität auszugleichen. Wir haben also gewissermaßen den Roboter an einen guten Startpunkt gebracht, von dem aus er dann alleine lernen kann.
heise online: Können die Roboter dann das Bewegungsalphabet lernen wie Kinder das ABC?
Nein, das geht nicht. Ich habe bisher keinen humanoiden Roboter gesehen, der wie ein Kind die ersten Jahre seines Lebens damit verbringt, einfach nur immer wieder aufzustehen und hinzufallen, bis er es irgendwann kann. Das funktioniert vielleicht für einzelne Körperteile, aber nicht für den kompletten Roboter. Es kann auch bisher niemand erklären, wie eigentlich Menschen das Laufen lernen. Wenn wir das wüssten, wären wir wahrscheinlich auch in der Robotik schon sehr viel weiter.
heise online: Können Sie sich vorstellen, dass wir über die Erforschung und Entwicklung humanoider Roboter vielleicht auch besser verstehen, warum unsere Vorfahren überhaupt damit angefangen haben, auf zwei Beinen zu laufen?
Wir haben im Rahmen des Projekts auch viele Modelle des menschlichen Gangs entwickelt. Entsprechendes ließe sich auch für den vierbeinigen Gang entwickeln. Damit könnten wir die verschiedenen Evolutionsstadien des Menschen miteinander vergleichen und die verschiedenen Hypothesen zur Entstehung des aufrechten Gangs mathematisch überprüfen. Auf diese Weise ließen sich etwa die Energiebilanzen verschiedener Gangarten im Verhältnis zum jeweiligen Körperbau genauer abschätzen.
heise online: Wie sieht für Sie die nächste Generation humanoider Roboter aus?
Das kommt auf die Einsatzszenarien an. Je nachdem, ob die Roboter in Gefahrengebiete, in den Weltraum, in die Fabrik oder in den Haushalt geschickt werden, sind die Anforderungen an sie unterschiedlich. Im Haushalt, im engen Kontakt mit Menschen, müssen sie auf jeden Fall sehr nachgiebig sein, damit sich bei einem Zusammenstoß niemand verletzt. Sie brauchen dort wahrscheinlich auch weniger Kraft als in der Fertigung oder bei einem Katastropheneinsatz. Dennoch brauchen alle Roboter stärkere Motoren als die heute verfügbaren. Auch ein gewisser Grad von Nachgiebigkeit dürfte für alle wichtig sein. (ps)