Roboter erlernt das Bergsteigen

Wie ein Mensch lehnt er seinen Oberkörper nach vorne und macht kleinere Schritte. Ein Wissenschaftlerteam unter der Leitung von Prof. Dr. Florentin Wörgötter vom BCCN in Göttingen hat die neuronalen Grundlagen dieser Anpassungsleistung mit Hilfe eines lernenden Bewegungsprogramms simuliert.

„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. Wörgötter. Auf den unteren Hierarchiestufen wird der Bewegungsablauf durch periphere Sensoren reflexartig vorangetrieben. Regelkreise sorgen dafür, dass Gelenke nicht überstrecken. Andere Regelkreise 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 computerbasiertes neuronales Netzwerk aus. 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. Doch ähnlich wie ein Kind 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. (dsc)