Modularer Roboter mit KI passt sich an Schäden an

## Modularer Roboter mit KI-Regler passt sich in Echtzeit an Schäden an

Forscher der Northwestern University haben einen modularen Roboter entwickelt, der KI einsetzt, um Fortbewegungsstrategien zu erzeugen. Jedes Modul ist ein autonomer Knoten mit Batterie, Motor, Prozessorboard sowie propriozeptiven und vestibularen Sensoren. Die Verbindungen rotieren 360° um die Achse und ermöglichen grundlegende Aktionen: Sprünge, Drehungen, Rollen. Die Struktur verbindet sich an 18 Punkten mit 120°-Rotationen und ergibt 435 Zwei-Modul-Konfigurationen. Schraubenbasierte Andockstationen halten dynamischen Belastungen stand.

Das System basiert ausschließlich auf internen Sensoren, ohne externe Motion-Capture-Daten. Die KI trainiert den Regler in Simulationen, die Evolution nachahmen, um Bahnen zu optimieren.

Funktionsweise eines einzelnen Moduls

Eine einzelne Einheit demonstriert Schlüsselmanöver mit einem Freiheitsgrad:

• Sprünge (F–I): Linkrotation erzeugt Impuls für den Abstoß.
• Drehungen auf der Stelle (J–M): Strategie ist robust gegenüber Umkehrung und hält die Drehrichtung bei.
• Rollen (N–P): Widersteht Rückwärtsschüben durch schnelle Erholung.

Module tauschen Daten für Koordination in Baugruppen aus. Bei Schäden oder Trennungen restrukturieren die verbleibenden Knoten die Bewegungen: Sprünge, Kriechen, wellenförmige Fortbewegung, um das Ziel zu erreichen.

KI-Training basierend auf Expertenrichtlinien

Das Team hat ein autoregressives Modell angewandt, ähnlich wie bei LLMs, um Sensomotorikdaten zu synthetisieren. Expertenregler werden für Szenarien trainiert:

• Unbeschädigter Roboter (A, F).
• Verlust eines Glieds (B, D).
• Verlust von zwei Gliedern (C).
• Verlust aller vier (E).

Das Modell prognostiziert Aktionen aus Sensorgeschichte und bildet eine gliedunabhängige Richtlinie. Tests zeigten Überlegenheit gegenüber Basisreglern bei Schäden:

• Entfernung eines hinteren Glieds: + zurückgelegte Distanz.
• Entfernung beider hinterer Glieder: + zurückgelegte Distanz.
• Nur ein Modul übrig: + zurückgelegte Distanz.

Bei unbeschädigten Robotern entspricht die Leistung dem Expertenniveau.

Demonstrationen von Mehr-Modul-Konfigurationen

Eine Fünf-Modul-Baugruppe beherrscht Akrobatik:

• Sprünge mit 66°-Drehung in der Luft (B–F).
• Selbstaufrichten aus umgekehrter Position (G–L): Biegen und Drehen zur Wiedererlangung der Haltung.

Alle Konfigurationen sind für diese Aktionen trainierbar. Der Roboter ignoriert unvorhergesehene Schäden und konzentriert sich rein darauf, von Punkt A nach B zu gelangen.

Wichtige Punkte:

• Modularität gewährleistet Fehlertoleranz: Durchtrennen auf Hälfte stoppt die Bewegung nicht.
• KI-Regler nutzt nur propriozeptive/vestibulare Daten.
• Autoregressives Training synthetisiert Richtlinien für jeden Schaden.
• 435 Zwei-Modul-Varianten + Mehr-Modul-Baugruppen.
• Benchmarks bestätigen Effizienzgewinne bei Amputationen.

Ausblick für Robotikanwendungen

Der Ansatz skaliert auf reale Aufgaben: Such- und Rettungseinsätze, Planetensonnen. Keine Abhängigkeit von der Morphologie vereinfacht den Einsatz in unbekannten Umgebungen. Für Mid-/Senior-Entwickler ist der Schlüssel Transferlernen von Expertenrichtlinien zu generativen Modellen ohne Motion Capture. Die Umsetzung erfordert Simulatoren mit Gelenkphysik und hochbelasteten Verbindungen.

— Editorial Team