Ein EPFL-Roboter verrät, warum Tiere ihr Aussehen verändern

Ein EPFL-Roboter verrät, warum Tiere ihr Aussehen verändern
Ein EPFL-Roboter verrät, warum Tiere ihr Aussehen verändern
-

Der Roboter begann wie Gazellen zu springen, um den Löchern auszuweichen.

EPFL/BioRob-CC-BY-SA 4.0

Ein vierbeiniger Roboter, der von EPFL-Wissenschaftlern mithilfe maschinellen Lernens trainiert wurde, änderte spontan seinen Gang, um Stürze zu vermeiden. Dies ist ein wichtiger Schritt für Robotikspezialisten und Biologen, die sich für die Fortbewegung von Tieren interessieren.

Mithilfe einer Form des maschinellen Lernens namens Deep Reinforcement Learning (DRL) lernte der EPFL-Roboter insbesondere, vom Traben zum Stottern zu wechseln (ein Verhalten, bei dem Tiere wie Springböcke und Gazellen mit gewölbtem Rücken springen), um sich auf schwierigem Gelände mit Löchern fortzubewegen. Unter der Leitung des Biorobotik-Labors der Fakultät für Ingenieurwissenschaften und Technologie der EPFL liefert diese Studie ein besseres Verständnis dafür, warum und wie solche Gangänderungen bei Tieren auftreten.

„Laut früheren Untersuchungen ändern Tiere ihren Gang, um Energie zu sparen und Verletzungen des Bewegungsapparates zu vermeiden. In jüngerer Zeit haben Biologen argumentiert, dass die Stabilität auf ebenem Boden ein wichtigerer Faktor sein könnte. Doch Experimente mit Tieren und Robotern haben gezeigt, dass diese Annahmen nicht immer zutreffen, insbesondere auf unebenem Untergrund“, berichtet Milad Shafiee, Doktorandin und Hauptautorin eines in der Fachzeitschrift Nature Communications veröffentlichten Artikels.

Milad Shafiee und die Co-Autoren Guillaume Bellegarda und Auke Ijspeert, Leiter des Biorobotics Laboratory, waren daher an einem neuen Parameter interessiert, der diese Tempoänderungen erklären könnte: Lebensfähigkeit oder die Vermeidung von Stürzen. Um diese Hypothese zu testen, trainierten sie einen vierbeinigen Roboter mithilfe von Deep Reinforcement Learning darin, verschiedene Gelände zu durchqueren.

Sprünge, um Löchern auszuweichen

Auf flachem Boden stellten sie fest, dass jede Gangart unterschiedlich robust gegenüber zufälligen Stößen war und dass der Roboter vom Gehen zum Traben wechselte, um seine Lebensfähigkeit aufrechtzuerhalten, wie es vierbeinige Tiere tun, wenn sie beschleunigen. Und als der Roboter mit aufeinanderfolgenden Löchern von 14 bis 30 cm in der Versuchsoberfläche konfrontiert wurde, wechselte er spontan vom Traben zum Stottern, um Stürze zu vermeiden. Darüber hinaus ist die Rentabilität der einzige Faktor, der durch diese Tempoänderungen verbessert wurde.

„Wir haben gezeigt, dass die Machbarkeit auf ebenem Boden und in schwierigem Gelände zu Tempoänderungen führt, dass Energieeinsparung jedoch nicht unbedingt besser ist“, erklärt Milad Shafiee. Es scheint daher, dass Energieeinsparungen, die bisher als Erklärungsfaktor für diese Veränderungen galten, eher eine Folge sein könnten. Wenn sich ein Tier durch schwieriges Gelände bewegt, besteht seine Priorität wahrscheinlich darin, nicht zu fallen. Als nächstes käme das Energiesparen an.“

Der Roboter ändert automatisch sein Tempo

Um die Steuerung der Bewegungen ihres Roboters zu modellieren, berücksichtigten die Wissenschaftler die drei interagierenden Elemente, die die Bewegungen der Tiere steuern: das Gehirn, das Rückenmark und sensorisches Feedback vom Körper. Mithilfe von Deep Reinforcement Learning trainierten sie ein neuronales Netzwerk, um die Übertragung von Gehirnsignalen vom Rückenmark zum Körper nachzuahmen, während der Roboter durch ein experimentelles Gelände navigierte. Als nächstes ordnete das Team drei möglichen Lernzielen unterschiedliche Gewichtungen zu: Energieeinsparung, Kraftreduzierung und Lebensfähigkeit. Eine Reihe von Computersimulationen ergab, dass von diesen drei Zielen die Realisierbarkeit das einzige war, das den Roboter veranlasste, sein Tempo automatisch zu ändern, ohne dass dazu Anweisungen von Wissenschaftlern erforderlich waren.

Das Team betont, dass diese Beobachtungen den ersten lernbasierten Fortbewegungsrahmen darstellen, bei dem Gangänderungen spontan während des Lernprozesses auftreten, sowie die dynamischste Überquerung aufeinanderfolgender Lücken, die für einen vierbeinigen Roboter so groß sind. „Unsere bioinspirierte Lernarchitektur hat die Agilität eines hochmodernen vierbeinigen Roboters in schwierigem Gelände demonstriert“, sagt Milad Shafiee.

Die Wissenschaftler möchten ihre Arbeit erweitern, indem sie weitere Experimente durchführen, bei denen verschiedene Robotertypen in einer größeren Vielfalt rauer Umgebungen eingesetzt werden. Sie hoffen, dass ihre Arbeit letztendlich nicht nur das Verständnis der Fortbewegung von Tieren ermöglicht, sondern auch den Einsatz von Robotern für die biologische Forschung verallgemeinert, indem sie den Einsatz von Tiermodellen und die damit verbundenen ethischen Probleme reduziert.

(Komm/PM)

-

PREV eine langsame Rückkehr zur Normalität nach der Aufhebung des Ausnahmezustands
NEXT Der Angriff auf Rafah, bei dem 45 Menschen ums Leben kamen, sei ein „tragischer Vorfall“, sagt Benjamin Netanyahu – rts.ch