Anymal klettert über Hindernisse und überwindet Fallgruben

Der Laufroboter Anymal der ETH Zürich meistert nicht nur den steinigen Untergrund auf Schweizer Wanderwegen, sondern beherrscht nun auch Parkour. Dabei geht es darum, Hindernisse im urbanen Raum mit athletischen Bewegungen geschmeidig zu überwinden. Anymal ist auch in unwegsamem Gelände wie auf einer Baustelle oder in einem Katastrophengebiet einsetzbar. Um dem Laufroboter diese Fähigkeiten beizubringen, verfolgten zwei Teams aus der Gruppe von Marco Hutter, Professor am Departement Maschinenbau und Verfahrenstechnik, unterschiedliche Ansätze.

ETH-Doktorand Nikita Rudin arbeitet in einem der Teams. In seiner Freizeit betreibt er Parkour. Einige seiner Forscherkollegen waren der Meinung, dass bei der Entwicklung von Laufrobotern bereits alles erreicht worden sei, bevor sie mit dem Projekt begannen. Nikita Rudin hielt dagegen. Er war davon überzeugt, dass mit der Mechanik von Laufrobotern noch viel mehr möglich ist.

Mit seinen eigenen Parkour-Erfahrungen im Hinterkopf versuchte er, die Möglichkeiten von Anymal noch weiter auszureizen. Er brachte dem Laufroboter durch maschinelles Lernen neue Fähigkeiten bei, sodass Anymal nun Hindernisse erklimmen und mit dynamischen Bewegungen wieder herunterspringen kann.

Anymal lernte dabei ähnlich wie ein Kind durch Versuch und Irrtum. Wenn Anymal auf ein Hindernis trifft, erkennt er mithilfe einer Kamera und eines künstlichen neuronalen Netzwerks, welche Art von Hindernis er überwinden muss. Anschließend führt er die Bewegungen aus, die er zuvor im Training als erfolgversprechend gelernt hat.

Rudin sagt, dass das technisch Machbare für die einzelnen neu erlernten Fähigkeiten weitgehend ausgereizt ist. Trotzdem sind noch viele Fortschritte möglich. Wenn der Laufroboter sich in schwierigem Gelände bewegen soll, wie zum Beispiel in einem Trümmerfeld, muss er nicht nur vordefinierte Aufgaben lösen können.

Das Ziel eines anderen Projekts von Rudins Kollegen Fabian Jenelten war es, den Laufroboter für solche Anwendungen anzupassen. Dabei verließ sich der ETH-Doktorand nicht nur auf maschinelles Lernen, sondern kombinierte es auch mit einem bekannten Ansatz der Regelungstechnik, der sogenannten modellbasierten Regelung.

Schwierig zu erlernende Grundbewegungen, wie beispielsweise das Erkennen und Überwinden von Bodenvertiefungen in einem Trümmerfeld, können einem Roboter damit leichter beigebracht werden. Das maschinelle Lernen hilft dem Roboter wiederum, Bewegungsmuster so zu erlernen, dass er sie flexibel in unvorhergesehenen Situationen anwenden kann. Jenelten sagt: "Durch die Kombination beider Ansätze können wir das Maximum aus Anymal herausholen."

Der Laufroboter kann nun besser auf rutschigem Untergrund oder instabilen Geröllblöcken sicheren Halt finden. In Zukunft soll er auch auf Baustellen oder an anderen gefährlichen Orten eingesetzt werden, beispielsweise um ein verfallenes Haus in einem Katastrophengebiet zu inspizieren.