• Schalter wissen.de
  • Schalter wissenschaft
  • Schalter scinexx
  • Schalter scienceblogs
  • Schalter damals
  • Schalter natur
Scinexx-Logo
Logo Fachmedien und Mittelstand
Scinexx-Claim
Facebook-Claim
Google+ Logo
Twitter-Logo
YouTube-Logo
Feedburner Logo
Montag, 24.07.2017
Hintergrund Farbverlauf Facebook-Leiste Facebook-Leiste Facebook-Leiste
Scinexx-Logo Facebook-Leiste

Schnellster Laufroboter der Welt lernt Bergsteigen

Forscher simulieren neuronale Grundlagen der Bewegungsanpassung

Er ist der schnellste seiner Art, inzwischen kann er aber auch Gipfel stürmen: RunBot, unter allen dynamischen Maschinen der Weltrekordhalter im Schnellgehen, hat sein Repertoire erweitert. Mit einem Infrarot-Auge erkennt der Laufroboter, ob eine Steigung vor ihm liegt und passt seine Gangart bergauf punktgenau an. Die neuronalen Grundlagen dieser Anpassungsleistung hat ein Wissenschaftlerteam jetzt mit Hilfe eines "lernenden" Bewegungsprogramms simuliert.
Ganz wie ein Mensch lehnt er seinen Oberkörper nach vorne und macht kleinere Schritte. Ein Wissenschaftlerteam unter der Leitung von Prof. Dr. Florentin Wörgötter hat die neuronalen Grundlagen dieser Anpassungsleistung mit Hilfe eines "lernenden" Bewegungsprogramms simuliert. Die Ergebnisse dieser Forschungen am Bernstein Zentrum für Computational Neuroscience an der Universität Göttingen präsentiert PLoS Computational Biology in seiner Online-Ausgabe vom 13. Juli 2007.

Laufroboter Runbot

Laufroboter Runbot

Der menschliche Gang ist ein Wunderwerk an Koordination. Der Winkel der Kniegelenke, die Geschwindigkeit des Hüftschwungs, der Schwerpunkt des Oberkörpers und viele andere Elemente der Bewegung müssen genau aufeinander abgestimmt sein. Dabei passt sich Mensch verschiedenen äußeren Gegebenheiten an. Auf Eis läuft er anders als auf festem Boden, bergauf anders als bergab.

Bewegungssteuerung hierarchisch geordnet


„Die Fähigkeit des Roboters, ohne zu stolpern blitzartig von Gangart zu Gangart umzuschalten, basiert auf der hierarchischen Organisation der Bewegungssteuerung, wie sie ähnlich auch beim Menschen erfolgt", erläutert Prof. Dr. Florentin Wörgötter, Leiter der Forschergruppe am Bernstein Zentrum für Computational Neuroscience an der Universität Göttingen. In einer jetzt in PLoS Computational Biology veröffentlichten Studie berichten die Forscher von ihren Ergebnissen.


Es zeigt sich, dass der Bewegungsablauf auf den unteren Hierarchiestufen durch periphere Sensoren reflexartig vorangetrieben wird. Regelkreise sorgen dafür, dass Gelenke nicht überstrecken, andere leiten den nächsten Schritt ein sobald der Fuß aufsetzt. Erst wenn die Gangart angepasst werden muss, greifen höhere Organisationsebenen ein: Beim Menschen ist es das Gehirn mit der Interaktion seiner stark vernetzten Neuronen. Beim Laufroboter löst das Signal des Infrarot-Auges diesen Anpassungsprozess über ein - allerdings sehr viel einfacher strukturiertes - computerbasiertes neuronales Netzwerk aus.

Aus Fehlern lernen


Die hierarchische Organisation der Bewegungssteuerung macht es dabei möglich, die Umstellung der Gangart durch die Verschiebung einiger weniger Parameter zu erreichen - die restlichen Größen passen sich durch die autonomen Regelkreise automatisch an. Beim ersten Versuch, einen Berg zu erklimmen, kippt RunBot rückwärts um. Noch hat er nicht gelernt, auf das, was sein "Auge" wahrnimmt, mit einem veränderten Bewegungsprogramm zu reagieren.

Ähnlich aber wie Kinder lernt RunBot aus seinen Stürzen; auf diese Weise wird die neuronale Verschaltung zwischen Auge und Bewegungssteuerung ausgebaut. Erst wenn diese Verbindung vorhanden ist, sind Schrittlänge und Körperhaltung durch das visuell ausgelöste Signal kontrollierbar. Bei einem steilen Berg wird das Bewegungsprogramm des Laufroboters stark, bei einem flachen Berg nur ein wenig umgestellt.
(Bernstein Centers for Computational Neuroscience, 16.07.2007 - NPO)
 
Printer IconShare Icon