Roboter lernt humpeln

Weiterlaufen auf drei Beinen: Eine neue Technologie hilft Robotern, sich selbstständig an Schäden anzupassen. Fehlt ihnen ein Bein, entwickeln sie neue Bewegungsabläufe, um dann weiterzuhumpeln. Diese flexible Anpassung in Minutenschnelle ist ein echter Fortschritt und könnte Roboter künftig robuster, flexibler und autonomer machen, wie die Forscher im Fachmagazin „Nature“ erklären.

Um Roboter flexibler und intelligenter zu machen, bedienen sich Ingenieure schon länger Vorbildern aus der Natur. Roboter nach Ameisen-Prinzip transportieren gemeinsam Lasten oder bilden intelligente Schwärme, Stabheuschrecken dienen als Vorbild für stabile Laufroboter und auch viele Drohnen basieren auf natürlichen Vorbildern.

Eines allerdings schaffen Roboter meist noch nicht: Werden sie beschädigt oder verletzt, schaffen sie es nicht, ihre Bewegungsabläufe so an den Schaden anzupassen, dass dieser kompensiert wird. Sie bleiben hilflos liegen, statt einfach zu humpeln. Antoine Cully von der Sorbonne Universität in Paris und seine Kollegen haben nun jedoch eine Technik entwickelt, durch die Roboter fehlende Beine oder andere Schäden selbst zu kompensieren lernen.

Aufgerappelt in Sekunden

In Minutenschnelle tüftelt der Chip dieser Roboter einen Weg aus, um ihr Verhalten an den Schaden anzupassen. Im Experiment lernte ein sechsbeiniger Roboter beispielsweise schon nach weniger als einer Minute, mit einem fehlenden oder gebrochenen Bein zu laufen. Nach dem Durchprobieren mehrerer Strategien entschied er sich von selbst für den Bewegungsablauf, der ihn trotz Schaden am schnellsten voranbrachte.

Der Laufroboter hat gelernt, trotz Beinschadens zu laufen - er humpelt auf fünf Beinen weiter © Antoine Cully/ UPMC

In einem weiteren Test platzierte ein mehrteiliger Roboterarm Objekte selbst dann noch akkurat, wenn eines oder mehrere seiner Gelenke blockiert waren. Dabei „achtete“ er sogar von selbst darauf, seine Bewegungen trotzdem so sparsam und minimal wie möglich zu halten. „Wie beim sechsbeinigen Roboter lernt der Arm in weit weniger als zwei Minuten – meist sogar weniger als 30 Sekunden – und mit weniger als zehn Versuchen das kompensatorische Verhalten“, berichten die Forscher.

Algorithmus spielt Abläufe durch

Der Clou hinter dieser Anpassungsfähigkeit ist ein spezieller Algorithmus, genannt „Intelligent Trial and Error“. Mit seiner Hilfe spielen die Roboter quasi im Kopf verschiedene Bewegungsabläufe durch und ermitteln, welche am besten den Schaden ausgleichen kann, wie die Forscher erklären. Die generell möglichen Bewegungen und die damit erreichbaren Leistungen speichert der Roboter dabei zuvor in Form einer Art Matrix ab.

„Wenn eine Bewegung nicht mehr funktioniert, ist der Roboter schlau genug, um auch andere ähnliche Bewegungsabläufe zu verwerfen“, erklärt Cully. Wenn es beispielsweise nicht funktioniert, nur auf den Hinterbeinen zu laufen, probiert er als nächstes, nur die Vorderbeine einzusetzen. Selbst die Forscher waren überrascht, wie schnell die Roboter dank dieser internen Versuch-und-Irrtum-Strategie neue Bewegungsarten lernten. „Es ist faszinierend zu sehen, wie ein verkrüppelter, hilflos umherrudernder Roboter in nur zwei Minuten wieder auf die Beine kommt und davonhinkt“, so Cully.

Anpassung auch an neue Umwelten

Die neue Software macht Roboter damit ähnlich anpassungsfähig wie Lebewesen, die viel flexibler auf Änderungen ihres Körpers oder der Umwelt reagieren können. Nach Ansicht der Forscher könnte diese Technologie nicht nur die Reaktion der Roboter auf Schäden verbessern, sie erleichtert es ihnen auch, sich von selbst an neue Umgebungen und ungewohnte Bewegungsabläufe anzupassen.

„Dies ermöglicht die Produktion von Robotern, die beispielsweise Rettern helfen können, ohne dass sie deren ständige Überwachung und Führung benötigen“, erklärt Koautor Danesh Tarapore von der Sorbonne Universität. Im Experiment optimierte ein intakter sechsbeiniger Roboter durch dieses Programm seine Lauftechnik selbstständig soweit, dass er hinterher um 30 Prozent schneller war als zu Beginn des Versuchs. (Nature, 2015; doi: 10.1038/nature14422)

(Nature/ University of Wyoming, 28.05.2015 – NPO)