Universität Tokio: Kleiner Vierbeiner mit 1,5-kg-Arm greift im Gelände 32 von 40 Mal
Ein kleiner Unitree-Go1-Roboterhund mit einem eigens gebauten 1,5-kg-Arm lief über Sandsäcke und seitlich Treppen hinab und griff danach in 32 von 40 realen Versuchen (80 Prozent) per Sprachbefehl benannte Objekte, gesteuert von einer einzigen gelernten Regelung für Beine und Arm, wie ein Preprint der Universität Tokio zeigt. In der Simulation scheiterte die Regelung bei 4.096 Armbewegungen zweimal, ein klassisch getrennter Regler in bis zu 13,77 Prozent der Fälle.
Kann eine einzige per Reinforcement Learning trainierte Policy Beine und Arm eines kleinen, nutzlastbegrenzten Vierbeiners so führen, dass der Greifer auf Rampen, Treppen und weichem Boden eine aufgabengerechte Lage hält, während der Rumpf nickt und rollt?
Bei kleinen Vierbeinern beansprucht ein Arm einen großen Teil der Nutzlast und wirkt als bewegte Last. Stöße aus dem Gelände laufen über den Rumpf zum Greifer, und Haltungen, die dem Arm Reichweite geben, gefährden das Gleichgewicht beim Gehen. Getrennte Regler für Laufen und Greifen leiden auf rauem Boden am stärksten.
Bisherige Systeme nutzten Ganzkörperoptimierung, einen Laufregler mit aufgesetztem IK-Armregler oder gelernte Ganzkörper-Policies und wurden meist auf ebenem Boden, Rampen oder in leichtem Gelände gezeigt. Die Vergleichstabelle des Papiers nennt Plattformen von etwa 14,8 bis etwa 90 kg; nur MLM mit 19,9 kg berichtet Manipulation beim Überwinden von Treppen oder Hindernissen.
Die Autoren bauten aus einem Unitree Go1 und einem 1,5 kg leichten Arm mit mehr als 60 cm Reichweite ein 13,5-kg-System und trainierten in Isaac Lab eine Policy mit Prioritäten: zuerst Rumpflage und Kontakt, dann Fortbewegung, dann Manipulation. Die Greiferorientierung wird gegenüber der Schwerkraft geregelt, das Positionsziel im Rumpfkoordinatensystem, damit Ziele trotz Rumpfbewegung erreichbar bleiben. Im Training kamen zufällige Lasten bis 0,5 kg und Stöße hinzu. Auf dem Roboter läuft die Policy auf einem NVIDIA Jetson Xavier NX mit 49,9 Hz, 1,53 ms Inferenzzeit und 2,76 ms Latenz vom Sensor zum Befehl; Grounding DINO und Tiefendaten liefern das Ziel aus einem Textbefehl.
Bei simulierten seitlichen Armbewegungen mit 0,4 und 0,8 m/s und Lasten von 0,2 und 0,5 kg scheiterte der getrennte Regler (Laufregelung plus IK-Arm) in 8,50 Prozent der Läufe im langsamen, leichten Fall und in 13,77 Prozent im schnellen, schweren Fall; der Greifer-RMSE stieg von 0,070 auf 0,108 m. Die Ganzkörper-Policy scheiterte zweimal in 4.096 Läufen (0,05 Prozent, MEKAWIRE-Rechnung) bei einem RMSE von 0,057 bis 0,069 m und hatte über alle Geländestufen geringere Rumpf- und Greiferfehler sowie seltener überlastete Aktoren. Real meisterte der Roboter eine 30-Grad-Rampe und 10-cm-Stufen mit nahezu waagerechtem Greifer. Beim sprachgeführten Greifen gelangen 17 von 20 Versuchen auf Sandsäcken und Schaumstoff und 15 von 20 beim seitlichen Treppabgehen, zusammen 32 von 40. Von 8 Fehlschlägen waren 2 Stürze, 4 falsch lokalisierte transparente Objekte, 1 Tischkollision und 1 verlorener Griff.
Es handelt sich um ein Preprint. Reale Vergleiche mit dem eingebauten MPC-Regler sind nur qualitativ, und für die 80 Prozent Greiferfolg gibt es keinen Vergleichslauf auf derselben Strecke. Die Hälfte der Fehlschläge geht auf die Wahrnehmung transparenter Objekte zurück, die die Regelung nicht lösen kann. Die Plattform ist ein Go1 der Vorgängergeneration mit Eigenbau-Arm, Lasten über 0,5 kg wurden nicht trainiert, und ein 3-kg-Arm erhöhte in der Simulation die Aktorüberlastung.
Inspektions- und Patrouillenroboter entwickeln sich von laufenden Kameras zu Beinrobotern, die auch öffnen, tragen und greifen. Das Ergebnis spricht für leichte, günstige Arme auf kleinen Vierbeinern statt schwerer Arme auf großen Plattformen. Für europäische Betreiber von Chemieparks, Umspannwerken und Tunneln, die mobile Inspektion einsetzen, und für Hersteller kompakter Arme ist das relevant, ebenso für Unitree. Ein kommerzieller Einsatz ist in zwei bis drei Jahren denkbar, wenn die Objekterkennung besser wird.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.