Selbstbewusst nähert sich der neueste Kettenroboter der Singapore University of Technology and Design (SUTD). Denn dieser "weiss", dass er sie erklimmen muss - eine der schwierigsten Aufgaben für einen Roboter. Doch anders als seine Kollegen "weiss" er auch, dass er nicht fallen kann. Seine Entwickler haben ihm ein raffiniertes Tool mit auf den Weg gegeben, mit dem er sich, wie auch immer er stürzt, abfangen und wieder stabilisieren kann, um die nächste Stufe in Angriff zu nehmen.
Eine mehrjährige Feldstudie hat gezeigt, dass Roboter, die so konstruiert sind, dass sie Treppen prinzipiell bewältigen können, bei dieser Übung mindestens 35 Mal häufiger stürzen als auf ebenem Boden. Die Folgen können erheblich sein. Ein Roboter, der auf einer Stufe das Gleichgewicht verliert, kann sich dabei selbst, seine Umgebung und alle Personen in seinem Weg schwer beschädigen.
Sturzpräventionsmassnahmen wie Wegplanung und Gleichgewichtskontrolle können dem Roboter helfen, erkennbare Gefahren zu vermeiden, aber sie können nicht verhindern, dass jemand den Roboter versehentlich schubst oder ein ungeahntes Hindernis auftaucht. Dieses Restrisiko hat Nutzer bisher davon abgehalten, schwere autonome Plattformen in Treppenhäusern einzusetzen.
"Sturzabmilderung ist wichtiger als reine Sturzprävention", sagt SUTD-Entwickler Mohan Rajesh Elara. Mit seinem Team hat er einen handelsüblichen Raupenroboter mit einem Arm mit freien Gelenken ausgestattet, deren Bewegungen durch einen Algorithmus gesteuert werden. Die Maschine ist durch "Reinforcement Learning" darauf trainiert worden, sich bei einem Sturz blitzschnell so zu bewegen, dass ein Abstützen stabilisierend wirkt.
Das gelingt bei fünf Sturzarten, die das Team zuvor als Möglichkeiten identifiziert hat: rückwärts sowie seitwärts und verdreht in jeweils zwei Varianten. "Drei Freiheitsgrade (Gelenke) erweisen sich als das Minimum, das die fünf Sturzarten auffangen kann, wenn der Arm am Heck des Roboters angebracht ist", so Elara.
Beim Training bekam der Roboter jeweils einen Schubser, sodass er einen der fünf Stürze zu erleiden drohte. Mit der Zeit lernte der Controller, wie er den Arm zu steuern hatte, um die jeweilige Sturzart zu verhindern. In bis zu 87 Prozent der Fälle - je nach Grösse und Art des Roboters - ist es nach dem Ende der Trainingsphase gelungen, Stürze zu verhindern. Eine Steuerung von Hand hatte eine Erfolgsquote von lediglich 38,6 Prozent.
