China trainiert Roboter, wie Katzen zu springen, um Asteroiden zu erkunden

Inspiriert von der Fähigkeit von Katzen, sich zu drehen und zu landen, nutzte ein Forschungsteam am Harbin Institute of Technology (China) Reinforcement Learning (RL) - eine Art von künstlicher Intelligenz (KI) - um Roboter darauf zu trainieren, ihre Körperhaltung in der Luft anzupassen, wenn sie über raue Oberflächen mit geringer Schwerkraft auf Asteroiden springen.

Ein chinesisches Forschungsteam trainierte einen vierbeinigen Roboter, seine Körperhaltung anzupassen und wie eine Katze zu landen, um sich auf der Oberfläche eines Asteroiden fortzubewegen. (Foto: SCMP)

Anders als herkömmliche Systeme, die auf spezialisierte, aber schwere Stabilisierungshardware angewiesen sind, nutzt der Roboter ein modellfreies Steuerungssystem, um seine vier Beine koordiniert zu bewegen. Dadurch kann der Roboter seine Neigung anpassen und seine Bewegungsrichtung in der Luft ändern, berichten die Forscher im Journal of Astronautics.

Die Forschung befasst sich mit einer zentralen Herausforderung beim Springen von Robotern auf Asteroiden, wo die Schwerkraft gering ist und bereits ein geringfügiges Ungleichgewicht der Beinkräfte dazu führen kann, dass sich der Roboter unkontrolliert dreht, unsanft landet oder vollständig von der Oberfläche abprallt.

„In der geringen Schwerkraft auf Asteroiden erleben Roboter bei jedem Sprung lange Phasen des freien Falls. Es ist wichtig, diese Zeit zu nutzen, um die durch den Sprung verursachte Ablenkung auszugleichen und so eine sichere Landung zu gewährleisten oder den Drehwinkel zu ändern, um die Bewegungsrichtung anzupassen“, so das Team in seinem Bericht.

„Um die Wirksamkeit dieser Sprungmethode zu überprüfen, wurde eine Mikrogravitations-Simulationsplattform entwickelt und gebaut. Dazu wurden Experimente mit einem vierbeinigen Roboterprototyp durchgeführt“, fügte das Team hinzu.

Asteroiden sind Überreste aus der Entstehungszeit des Sonnensystems und bergen den Schlüssel zur Entschlüsselung seiner Ursprünge. Sie sind zudem reich an Ressourcen wie Platin und anderen seltenen Metallen, die zukünftige Weltraumforschung und industrielle Anwendungen voranbringen könnten.

Herausforderungen auf der Asteroidenoberfläche

Bislang ist es Raumfahrtagenturen in Europa, Japan und den USA gelungen, Raumsonden auf Asteroiden zu landen, um Proben zu entnehmen. Bisher hat jedoch keine von ihnen Rover eingesetzt, die zu einer langfristigen Oberflächenerkundung fähig sind.

Traditionelle, radgetriebene Rover, wie sie auf dem Mond und dem Mars eingesetzt werden, stoßen in Asteroidenumgebungen auf Schwierigkeiten, da die schwache Schwerkraft, die typischerweise nur wenige Tausendstel der Erdanziehungskraft beträgt, nicht genügend Traktion bietet, damit die Räder effektiv funktionieren können.

Um diese Einschränkungen zu überwinden, haben Wissenschaftler vorgeschlagen, für zukünftige Missionen springende Roboter einzusetzen, doch das bringt neue Herausforderungen mit sich.

Bei jedem Sprung bleibt der Roboter etwa 10 Sekunden in der Luft, lange genug, damit die ungleichmäßig verteilten Beinkräfte dazu führen, dass sich der Roboter unkontrolliert dreht oder sogar von der Oberfläche abprallt und ins Weltall treibt.

Das Team aus Harbin nutzte Reinforcement Learning (RL), um den Roboter in einer virtuellen Simulation zu trainieren. Innerhalb von sieben Stunden lernte die KI aus ihren Fehlern und verfeinerte ihre Bewegungen, um stabil zu landen. Das KI-System des Roboters demonstrierte die Fähigkeit, seine Ausrichtung – einschließlich Nickwinkel (Vor- und Zurücklehnen), Neigung (seitliche Neigen) und Gierwinkel (Drehwinkel) – innerhalb weniger Sekunden anzupassen.

Beispielsweise kann der Roboter bei einem Start mit einer starken Neigung von bis zu 140 Grad seine Position innerhalb von 8 Sekunden stabilisieren. Er kann sich außerdem in der Luft um bis zu 90 Grad drehen, um die Bewegungsrichtung zu ändern.

Roboter werden mithilfe von Reinforcement-Learning-Methoden trainiert. (Foto: SCMP)

Um die Effektivität des Systems zu überprüfen, bauten die Forscher eine Mikrogravitations-Simulationsplattform, die es dem Roboter ermöglicht, auf einer nahezu reibungsfreien Oberfläche zu "schweben".

Obwohl die Experimente auf zweidimensionale Bewegungen beschränkt waren, bestätigten sie die Effektivität des Systems und untermauerten die Ergebnisse aus den Simulationen, so das Team.

Die Wissenschaftler stellten außerdem fest, dass der Prozess nur sehr wenig Rechenleistung vom Roboter benötigt. Dank seines leichten und energieeffizienten Designs eignet sich das System besonders für Missionen zur Erforschung des Weltraums.

Zukünftig könnte dieses System vielfältige Anwendung finden, von der wissenschaftlichen Erkundung bis zum Rohstoffabbau auf Asteroiden. Das Forschungsteam betonte jedoch, dass weitere Forschung nötig sei, um die Anpassungsfähigkeit der KI an unterschiedliche Terrains und Umgebungen zu verbessern.

Hua Yu (Quelle: SCMP)

Quelle