Trabende Roboter zeigen die Entstehung tierischer Gangüberleitungen
Mithilfe einer Form des maschinellen Lernens, die als Deep Reinforcement Learning (DRL) bezeichnet wird, lernte der EPFL-Roboter vor allem, vom Traben zum Pronking überzugehen – einer springenden, bogenförmigen Gangart, die von Tieren wie Springböcken und Gazellen verwendet wird –, um auf einem anspruchsvollen Gelände mit Lücken von 14 bis 30 cm zu navigieren. Die vom BioRobotics Laboratory der EPFL School of Engineering geleitete Studie bietet neue Erkenntnisse darüber, warum und wie solche Gangwechsel bei Tieren auftreten.
«Frühere Forschungen haben die Energieeffizienz und die Vermeidung von Muskel-Skelett-Verletzungen als die beiden wichtigsten Erklärungen für die Gangartwechsel eingeführt. In jüngerer Zeit haben Biologinnen argumentiert, dass die Stabilität auf flachem Terrain wichtiger sein könnte. Tier- und Roboterexperimente haben jedoch gezeigt, dass diese Hypothesen nicht immer zutreffen, vor allem nicht auf unebenem Boden», sagt der Doktorand Milad Shafiee, Erstautor eines in Nature Communications veröffentlichten Artikels.
Shafiee und die Co-Autoren Guillaume Bellegarda und Auke Ijspeert, Leitenr des BioRobotics Lab, interessierten sich daher für eine neue Hypothese, warum es zu Gangwechseln kommt: Lebensfähigkeit oder Sturzvermeidung. Um diese Hypothese zu testen, trainierten sie mit Hilfe von DRL einen vierbeinigen Roboter für das Überqueren verschiedener Geländeformen. Auf flachem Gelände stellten sie fest, dass die verschiedenen Gangarten unterschiedlich robust gegenüber zufälligen Stössen waren und dass der Roboter vom Gehen zum Traben überging, um seine Lebensfähigkeit zu erhalten, so wie es Vierbeiner tun, wenn sie beschleunigen. Und wenn der Roboter mit aufeinanderfolgenden Lücken in der Versuchsfläche konfrontiert wurde, wechselte er spontan vom Traben zum Stampfen, um Stürze zu vermeiden. Ausserdem war die Lebensfähigkeit der einzige Faktor, der durch solche Gangwechsel verbessert wurde.
«Wir haben gezeigt, dass die Lebensfähigkeit in flachem und schwierigem Gelände zur Entstehung von Gangwechseln führt, dass aber die Energieeffizienz nicht unbedingt verbessert wird», erklärt Shafiee, «es scheint, dass die Energieeffizienz, von der man bisher annahm, dass sie eine treibende Kraft hinter solchen Wechseln ist, eher eine Folge davon ist. Wenn ein Tier sich in schwierigem Gelände bewegt, ist es wahrscheinlich seine erste Priorität, nicht zu stürzen, gefolgt von der Energieeffizienz.»
Eine bio-inspirierte Lernarchitektur
Um die Steuerung der Fortbewegung ihres Roboters zu modellieren, berücksichtigten die Forscher die drei interagierenden Elemente, die die Bewegung von Tieren steuern: das Gehirn, das Rückenmark und die sensorische Rückmeldung des Körpers. Sie verwendeten DRL, um ein neuronales Netzwerk zu trainieren, das die Übertragung von Gehirnsignalen durch das Rückenmark an den Körper nachahmt, während der Roboter ein Versuchsgelände durchquert. Anschliessend wies das Team drei möglichen Lernzielen unterschiedliche Gewichtungen zu: Energieeffizienz, Kraftreduzierung und Lebensfähigkeit. Eine Reihe von Computersimulationen ergab, dass von diesen drei Zielen nur die Lebensfähigkeit den Roboter dazu veranlasste, automatisch – ohne Anweisung der Wissenschaftler – seinen Gang zu ändern.
Das Team betont, dass diese Beobachtungen das erste lernbasierte Fortbewegungssystem darstellen, bei dem sich Gangwechsel spontan während des Lernprozesses ergeben, sowie die dynamischste Überquerung solch grosser aufeinanderfolgender Lücken für einen vierbeinigen Roboter.
«Unsere bioinspirierte Lernarchitektur hat die Agilität eines vierbeinigen Roboters auf dem anspruchsvollen Terrain auf dem neuesten Stand der Technik gezeigt», sagt Shafiee.
Die Forscher wollen ihre Arbeit mit weiteren Experimenten ausbauen, bei denen verschiedene Robotertypen in einer grösseren Vielfalt von schwierigen Umgebungen eingesetzt werden. Sie hoffen, dass ihre Arbeit nicht nur die Fortbewegung von Tieren weiter erhellen wird, sondern auch den breiteren Einsatz von Robotern in der biologischen Forschung ermöglicht und die Abhängigkeit von Tiermodellen und die damit verbundenen ethischen Bedenken verringert.
