Krabbelnde Chaos-Kontrolle aus Göttingen
Der autonome Laufroboter AMOS krabbelt nach dem Vorbild von Insekten auf sechs Beinen und wechselt dabei je nach Situation flexibel die Gangart. So kann er sich befreien, wenn er in ein Loch getreten ist oder lernt, Steigungen in einer energiesparenden Gangart zu erklimmen. Dahinter steckt das Prinzip der “Chaos-Kontrolle”. Im Interview mit silcion.de erklärt Professor Marc Timme, vom Göttinger Max-Planck-Institut für Dynamik und Selbstorganisation, wie das kontrollierte Chaos den Roboter in Gang hält.
silicon.de: Sie und Ihr Team am Max-Planck-Institut für Dynamik und Selbstorganisation haben einen speziellen Laufroboter entwickelt – was kann dieser Roboter, was andere Laufroboter nicht können?
Professor Timme: Der Clou an der neuen Art der sensorischen Kontrolle ist, dass nur ein einziger Mustergenerator (engl: Central Pattern Generator, CPG) zum Einsatz kommt. Bisherige Lösungen verwendeten meist jeweils einen CPG für jede Gangart, also wären zum Beispiel fünf CPGs notwendig, um dem Roboter fünf verschiedene Gangarten zu erlauben.
Das Ersetzen durch einen einzigen CPG ist nun möglich aufgrund der Anwendung der Chaos-Kontrolle, so dass ein jeweils gewünschtes periodisches Muster “aus dem Chaos” ausgewählt und robust erzeugt werden kann.
Weil nur ein CPG im Einsatz ist, kann die neue Generation Laufroboter nun viele Probleme viel einfacher lösen: Zunächst kann der Roboter viele gleichzeitige sensorische Signale so einfach koordinieren und auf eine Vielzahl von Gangarten und damit auf ein großes Spektrum qualitativ verschiedener Verhaltensweisen abbilden. Weiterhin ist Lernen viel einfacher geworden, weil ja alle Muster, und damit alle Gangarten an ein und demselben CPG generiert werden, so dass nur dort aktiv gelernt werden muss.
Wie wir anhand eines Beispiels gezeigt haben, kann er unter anderem lernen, bei einer Steigung eine energiesparende Gangart auszuwählen. Er probiert nacheinander verschiedene Gangarten aus und wählt diejenige, die genügend wenig Energie verbraucht, das ist dann ein langsamer Gang. Die Assoziation zwischen langsamen Gang und Steigung lernt er dabei, so dass bei der nächsten Steigung unmittelbar die energiesparende Gangart gewählt wird.
“Die Stabilisierung funktioniert so ähnlich wie beim Rad fahren.”
Foto: Max-Planck-Institut für Dynamik und Selbstorganisation
