Lernverfahren für die Wahl sicherer Schrittpositionen

Abstract

Diese Arbeit stellt ein Verfahren zum Erlernen sicherer Schrittpositionen vor, mit dem Ziel, dass sich der vierbeinige Roboter AMEE sicher in unebenem Gelände fortbewegen kann. Die autonom zu bewältigende Aufgabe ist es, den Boden der näheren Umgebung zu erfassen und Eigenschaften zu ermitteln. Ob eine Trittposition gut ist, wird durch ausprobieren und Analyse der Tritteigenschaft erlernt, sodass künftig Bodenabschnitte bezüglich ihrer Laufqualität bewertet werden können. Reinforcement Learning dient als lernalgorithmisches Gerüst.

This work presents an approach for learning secure step positions, with the objective that the four-legged robot AMEE can safely walk in rough terrain. The autonomous task to be mastered is to identify features of the surrounding area. The suitability of a step position will be learned by doing and analyzing the step characteristic so that floor sections can be evaluated for their running quality. Reinforcement Learning serves as framework of the machine learning method.