Steine, Wurzeln, steile Passagen auf rutschigem Untergrund und viele weitere Herausforderungen müssen gemeistert werden: Bei einer anspruchsvollen Wandertour sollte man sich einmal bewusst machen, was unser Wahrnehmungssystem leistet, damit wir nicht straucheln. Die Entscheidung, wohin wir den Fuß setzen und wie, beruht dabei auf einer komplexen Auswertung verschiedener Sinneseindrücke und Erfahrungen. Mensch und Tier kombinieren dabei automatisch visuelle Eindrücke aus der Umwelt mit Wahrnehmungen der Untergrundbeschaffenheit durch die Sensibilität in den Gliedmaßen. So können wir etwa rutschigen oder nachgiebigen Boden erkennen und aufgrund unserer im Lauf des Lebens erworbenen Bewegungserfahrungen das Tritt-Verhalten entsprechend anpassen.
Herausforderung für die Robotik
Diese komplexen Leistungsfähigkeiten auf autonome Robotik-Systeme zu übertragen, stellt eine große Herausforderung für Techniker dar – und die bisherigen Lösungsansätze ließen deshalb auch deutlich zu wünschen übrig. „Der Grund dafür ist, dass die von Laser-Sensoren und Kameras aufgezeichneten Informationen zur unmittelbaren Umgebung oft unvollständig und mehrdeutig sind“, erklärt Takahiro Miki, von der Eidgenössischen Technischen Hochschule Zürich (ETH). Der Blick des Roboters kann etwa durch schwierige Lichtverhältnisse, Staub oder Nebel gestört werden oder bestimmte Aspekte der Umgebung können leicht zu Fehlinterpretationen führen.
So können etwa hohes Gras, seichte Pfützen oder lockerer Schnee wie unüberwindliche Hindernisse wirken, obwohl sie der Roboter leicht überqueren könnte. Das Gegenteil ist natürlich ebenfalls möglich und so kann das Techno-Wesen schließlich hilflos auf dem Rücken liegen oder abstürzen. „Roboter müssen daher selbstständig entscheiden können, wann sie Bildern ihrer Umwelt vertrauen und zügig voranschreiten und wann sie sich besser vorsichtig und mit kleinen Schritten vorantasten“, so Miki. „Darin liegt die große Herausforderung.“
Wie Miki und seine Kollegen berichten, ist es ihnen nun gelungen, ihrem vierbeinigen Roboter ANYmal die Fähigkeit zu geben, visuelle Umweltwahrnehmung mit dem Tastsinn zu kombinieren. Zudem besitzt er die Fähigkeit zu lernen, um auf bestimmte Herausforderungen spontan sinnvoll zu reagieren. Möglich ist dies durch ein neues Steuerungssystem, das auf einem neuronalen Netzwerk basiert. Es kombiniert die Informationen des Kamerasystems von ANYmal mit denjenigen der Sensoren in seinen Beinen. Um die Eindrücke sinnvoll zu interpretieren, muss der Robo-Vierbeiner allerdings erst ausgebildet werden.
Training in einer virtuellen Welt
Dies geschieht durch maschinelles Lernen und zwar in einer Computer-Welt, in der die physikalischen Merkmale und Reaktionen der Realität genau nachgebildet werden. In dem virtuellen Trainingslager wird der Roboter dann mit zahlreichen Hindernissen und Fehlerquellen konfrontiert. So kann sein künstlicher Verstand lernen, wie sich die Herausforderungen optimal meistern lassen. Ein wichtiger Aspekt ist dabei, dass das System lernt, welche Daten in bestimmten Situationen wichtiger sind als andere. Dies funktioniert bei dem System selbst dann, wenn die Sensordaten der unmittelbaren Umgebung mehrdeutig oder diffus sind, sagen die Forscher. ANYmal geht dann auf Nummer sicher und verlässt sich auf seinen Tastsinn. „Durch das Training ist der Roboter am Ende in der Lage, schwierigste Gelände in der Natur zu bewältigen, ohne diese vorher gesehen zu haben“, sagt Seniorautor Marco Hutter von der ETH.
