MiNI-Q: Ein Onboard-Policy vereint aufrechtes, invertiertes Laufen und Landungsrecovery
Der Preprint beschreibt eine einzige gelernte Policy für den 270 g schweren Quadruped MiNI-Q, die vollständig auf den eingebauten Mikrocontrollern läuft. Derselbe Controller erreicht aufrechtes Gehen mit einer Vorwärtsgeschwindigkeits-RMSE von 0,037 m/s und invertiertes Gehen mit 0,050 m/s bei einem Sollwert von 0,15 m/s. In 24 von 30 Freilassversuchen nimmt er das Laufen wieder auf und ist damit nach Angabe der Autoren die erste Onboard-Policy unter einem Kilogramm, die Aufrechtlauf, Invertiertlauf und Landungsrecovery in einem Netz vereint.
Wie lässt sich mit einem einzigen, onboard ausgeführten Lernregler auf einem 270 g schweren Quadruped mit kontinuierlich drehenden Beinen aufrechtes Gehen, invertiertes Gehen, Haltungswechsel und Landungsrecovery vereinen?
Unterhalb von einem Kilogramm ist geschlossenes gelerntes Laufen selten; verwandte Mini-Quadrupeds werden meist als Hardware oder mit offenen Steuerungen gezeigt. Die kontinuierlich rotierenden Gelenke von MiNI-Q sprengen übliche Winkelbeobachtungen an der Kante bei ±π, und die 270 g Masse, der Riemenantrieb mit Spiel, zwei Mikrocontroller über I2C sowie austauschbare Fußgeometrien erschweren den Transfer.
Bestehende gelernte Laufregler für Quadrupeds nutzen massiv parallele Simulation und PPO, setzen aber meist auf Roboter mit begrenzten Gelenken. Verhaltensfamilien wie Walk These Ways und AllGaits kodieren Gangarten, bleiben aber für beschränkte Gelenkräume. Für Mini-Plattformen berichten MiNI-Q und Q8bot vor allem offene Trajektorien oder Hardware ohne gelernte Closed-loop-Policy; TinyRL komprimiert Policies für Bittle in Simulation, und Petoi Bittle nutzt einen Raspberry Pi Zero 2 W.
Die Autoren modellieren den Gelenkraum als Torus T8 und beobachten Winkel über Sinus- und Kosinus-Einbettungen, um Sprünge bei ±π zu vermeiden. Ein Haltungsbefehl im Gelenkraum wird über eine Spiegelsymmetrie abhängig vom Vorzeichen der projizierten Schwerkraft in die invertierte Referenz transformiert. Eine kombinierte Freilass- und Haltungscurricula interpoliert Ankerhaltungen, zufällige Fußgeometrien und Stürze; die Policy ist ein [128,128]-ELU-MLP mit 86-dimensionaler Beobachtung und läuft auf einem ESP32-S3 bei 50 Hz. Ein identifiziertes Aktormodell und Cross-Engine-Validierung in MuJoCo und Isaac Lab unterstützen den Transfer.
Hardware: Vorwärts-RMSE 0,037 ± 0,004 m/s aufrecht und 0,050 ± 0,003 m/s invertiert, jeweils fünf Trials bei 0,15 m/s Soll. Yaw zeigt Überschwinger; ein 25 s Haltungstest mit fünf Wiederholungen erreicht etwa 0,04 m/s RMSE. Freilassrecovery gelingt in 24 von 30 Versuchen, das sind 80 Prozent, innerhalb von 5 s nach erstem Kontakt; Fehler sind Überstromabschaltung, Batteriekontakt und Riemenschlupf. Fußwechsel: alle 16 Geometrie-Oberfläche-Kombinationen laufen, gerundete Füße am niedrigsten mit 0,041 bis 0,065 m/s RMSE, ungesehene Formen Median 0,087 und Bereich 0,055 bis 0,136 m/s. Aktuatoridentifikation reduziert RMSE von 0,49 rad auf 0,029 rad Hüfte und 0,025 rad Knie. Onboard-Inferenz 594,33 µs, 3 Prozent der 20 ms-Periode, 150,3 kB RAM, 846,7 kB Flash. Simulation Ablationen: ohne Torus-Kodierung fällt invertiertes Tracking auf 0,21, ohne Gravitationsspiegel auf 0,02, ohne Wurfcurriculum Recoveryzeit 9,7 s statt 6,9 s, ohne Fuß-Domain-Randomisierung 8,4 s.
Die Autoren nennen als Grenzen: nur eine Hardware-Einheit, vier Innenflächen, Freilasshöhen 20 bis 30 cm, keine großen Anfangsdrehraten. Trackingfehler sind relativ zum 0,15 m/s Soll erheblich. Sechs Recovery-Fehlversuche gehen auf Aktor-Überstromabschaltung, Batteriekontakt und Riemenschlupf zurück. Ablationsvarianten wurden nur mit einem Trainingslauf je Variante getestet, nicht mit mehreren Seeds; Cross-Unit-Tests, direkte Attitude-Tracking und matched Specialist- oder Sphere-only-Vergleiche fehlen. Die Ankerabdeckung ist durch Trainingsstabilität begrenzt. Eine Code-Veröffentlichung ist im Paper nicht berichtet.
Die Arbeit zeigt, dass sehr leichte, modulare Mini-Quadrupeds mit kontinuierlich drehenden Beinen onboard lernbasierte Closed-loop-Steuerung ausführen können. Kurzfristig könnten Anbieter von Bildungs- und Forschungsrobotern ähnliche Onboard-Policies für kleine Plattformen mit Dynamixel-Servos und ESP32-ähnlicher Rechenleistung nutzen. Mittelfristig, in ein bis drei Jahren, sind Anwendungen in enger Inspektion, Desktop-Automatisierung oder Schwarm-Koordination denkbar, wenn Cross-Unit-Streuung, robustere Aktorik und Energiezufuhr gelöst werden. Voraussetzung sind veröffentlichte Trainings- und Identifikationspipelines sowie eine breitere Validierung auf mehreren Einheiten.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.