Der beste ausländische Halbmarathon-Roboter kommt aus Deutschland
Ein luftgekühltes Modell aus Deutschland absolviert 21 Kilometer sicher und schlägt zahlreiche Universitäten aus aller Welt.
Während ein Laufroboter aus China kürzlich menschliche Bestzeiten beim Halbmarathon unterbot, blieb eine weitere Spitzenleistung fast unbemerkt. Das Team der Technischen Universität München (TUM) gewann in Peking den »Best International Team Award« und stellt das erfolgreichste System außerhalb Chinas.
Thermische Limits definieren das Renntempo
Etwa die Hälfte der 124 angetretenen Maschinen erreichte beim Wettbewerb über 21 Kilometer nicht die Ziellinie. Laufroboter kämpfen bei solch langen Distanzen primär mit Hardware-Limitierungen. Hohe Geschwindigkeiten treiben den Energieverbrauch in die Höhe und überhitzen rasch die empfindlichen Antriebskomponenten.
Die Münchner Forscher entschieden sich daher nach nächtlichen Testläufen für ein konstantes Tempo von zwei Metern pro Sekunde. Diese 7,2 Kilometer pro Stunde garantierten einen sicheren Betrieb der Hardwareplattform Tienkung Ultra. Das System kühlt die Motoren ausschließlich über die vorbeiströmende Luft.
Im Gegensatz dazu setzt der spätere Gesamtsieger »Blitz« auf eine aufwendige Wasserkühlung. »Wie man die Hitze ableitet, das ist das Kernthema«, erklärt TUM-Forscher Simon Armleder. Eine effiziente Wärmeabfuhr verschafft individuell gefertigten Maschinen einen enormen Vorteil gegenüber rein luftgekühlten Modellen.
Reinforcement Learning ersetzt Standard-Software
Bemerkenswert ist der Ansatz der Universität auf der Softwareseite. Viele andere Forschungsgruppen nutzten den Tienkung Ultra mitsamt den vorinstallierten Steuerungsprogrammen aus dem Innovationszentrum X-Humanoid. Die Gruppe um Professor Gordon Cheng verwarf diesen bequemen Weg komplett.
Die Wissenschaftler setzten stattdessen auf ihre jahrelange Erfahrung mit dem System REEM-C von PAL Robotics. Für das Rennen in Peking erstellten sie eine eigene Simulation. Darin trainierten sie die komplexen Bewegungsabläufe der fremden Hardware intensiv mittels Reinforcement Learning.
Dieses speziell angepasste Modell steuerte den Roboter im Wettkampf äußerst präzise. Die Vorbereitungszeit fiel dabei extrem knapp aus. Das Team erhielt die Zusage erst zwei Wochen vor dem Startschuss und passte den gesamten Programmcode innerhalb von lediglich acht Tagen an die Maschine an.
Anzeige
Präzises Monitoring auf der Laufstrecke
Während des eigentlichen Laufs verfolgten die Forscher das Modell dicht aus einem Golf-Cart heraus. Sie steuerten das System direkt per Fernbedienung und überwachten essenzielle Telemetriedaten auf einem Smartphone. Das Display zeigte kontinuierlich den aktuellen Batteriestand, die Motortemperaturen sowie die exakte Geschwindigkeit.
Ein strenges Regelwerk sanktionierte unplanmäßige Stopps auf der Strecke. Die Münchner wählten deshalb eine äußerst konservative Strategie für die Energieversorgung. Sie tauschten die Akkus dreimal aus, obwohl eine einzige Ladung theoretisch für zehn Kilometer gereicht hätte.
Nach 3 Stunden und 35 Minuten überquerte der Roboter schließlich die Ziellinie und belegte den 39. Platz in der Gesamtwertung. Mit mehr Vorlaufzeit planen die Forscher bereits detaillierte Optimierungen für zukünftige Langstreckenläufe.