Die Verbreitung von Robotern wie dem Spot von Boston Dynamics hat die Vielseitigkeit von Vierbeinern unter Beweis gestellt. Diese Systeme haben sich beim Treppensteigen, beim Überwinden kleiner Hindernisse und beim Navigieren in unebenem Gelände bewährt. Allerdings stellen Leitern immer noch ein großes Problem dar – insbesondere angesichts ihrer Präsenz in Fabriken und anderen industriellen Umgebungen, in denen die Systeme eingesetzt werden.
Die ETH Zürich, die hinter einigen der aufregendsten vierbeinigen Roboterforschungen der letzten Jahre stand, hat dies getan zeigte einen Weg nach vorne auf. Wie die Schule feststellt, wurden bei früheren Versuchen, Leitern in Angriff zu nehmen, meist zweibeinige Roboter im humanoiden Stil und Spezialleitern eingesetzt, obwohl sie sich letztendlich als zu langsam erwiesen, um effektiv zu sein.
Die Untersuchung ergab, dass die Schule erneut den ANYMal-Roboter aus ihrem Spin-off ANYbotics nutzte. Hier rüstete das Team den Vierbeiner mit speziellen Endeffektoren aus, die an Leitersprossen befestigt werden. Das eigentliche Geheimnis ist jedoch das verstärkende Lernen, das dem System hilft, sich an die Besonderheiten verschiedener Leitern anzupassen.
„Diese Arbeit erweitert den Anwendungsbereich industrieller Vierbeinerroboter über die Inspektion auf nominalem Gelände hinaus auf anspruchsvolle Infrastrukturmerkmale in der Umgebung“, schreiben die Forscher, „und hebt Synergien zwischen Robotermorphologie und Steuerungspolitik bei der Ausführung komplexer Fähigkeiten hervor.“
Die Schule gibt an, dass das kombinierte System eine Erfolgsquote von 90 % bei der Bewältigung von Leiterwinkeln im Bereich von 70 bis 90 Grad hatte. Es wird auch eine Steigerung der Steiggeschwindigkeit um das 232-fache im Vergleich zu aktuellen „modernen“ Systemen gemeldet.
Das System kann sich in Echtzeit selbst korrigieren und die Steigungsfälle anpassen, in denen es einen Lauf falsch eingeschätzt oder einen Schritt falsch getimt hat.