Universität zu Köln

Laufen erfordert die flexible Koordination zahlreicher Freiheitsgrade. Biomechanische Systeme und Nervensysteme müssen mit der Umgebung interagieren, um diese anspruchsvolle Aufgabe zu erfüllen. Aufgrund der Komplexität der Interaktionen bleiben wichtige Fragen unbeantwortet, insbesondere bezüglich der neuronalen Kontrolle des Laufens. Biologische Modelle sind vielversprechende Werkzeuge, um verfügbare Daten zu integrieren und überprüfbare Hypothesen zu generieren. Jedoch haben sie das Problem eines riesigen Parameterraumes. Daher kombiniert diese Arbeit neurobiologische Modelle des Laufens der Stabheuschrecke mit dem komplementären Ansatz der evolutionären Robotik. Einerseits werden mit Hilfe künstlicher Evolution sehr einfache Einbeinkontroller entwickelt, die Eigenschaften des Körpers und der Umgebung ausnutzen. Allgemeine Prinzipien der sensomotorischen Kopplung werden herausgearbeitet und die Bedeutung von Hystereseeffekten bei neuronaler Laufkontrolle wird demonstriert. Andererseits werden neurobiologische Modelle von Einzelbein-Laufkontrollern bei Stabheuschrecken sowie bei Robotermodellen unter verschiedenartigen Störbedingungen gründlich getestet. Ihre Robustheit und Verhaltensanpassungsfähigkeit wird demonstriert, was ihre Eignung als Module von Sechsbeinkontrollern nahelegt. Anschließend wird die Auswirkung von Muskeln auf einen Satz neuronaler Kontrollerstrukturen und auf das Verhalten, sowohl in der Robotik als auch bei Stabheuschreckenmodellen, erforscht. Dies geschieht mit Hilfe eines Muskelmodells, das vom Extensor tibia Muskel der Stabheuschrecke abgeleitet wurde. Unter Verwendung von evolutionärer Parameteroptimierung von neuronalen Kontrollern wird gezeigt, dass Muskeleigenschaften die Anforderungen für eine neuronale Intra-Gelenk-Rückkopplung reduzieren und dass das Verhalten unter Störbedingungen robuster wird. Weiterhin wird dargelegt, dass diverse einfache neuronale Mechanismen genutzt werden können, um die Tiefpassfiltereigenschaften der Muskeln, die bei Stabheuschrecken beobachtet werden, zu kompensieren. Schließlich wird ein modularer Ansatz zur Entwicklung von Sechsbeinkontrollern genutzt, der evolvierte und neurobiologisch inspirierte Einzelbeinkontrollerstrukturen um weitere sensomotorische Kopplungen ergänzt. Kopplungsstrukturen werden entweder von verhaltensbasierten biologischen Daten oder mit Hilfe von künstlicher Evolution abgeleitet. Robustes Sechsbeinlaufen wird für Robotermodelle und Stabheuschreckenmodelle mit und ohne Muskeleigenschaften demonstriert. Die Ergebnisse zeigen, dass der integrative Ansatz, der in dieser Arbeit dargelegt wird, die Entwicklung robuster Kontrollmechanismen für Laufmaschinen und die Generierung überprüfbarer Hypothesen zur neuronalen Basis von Beinkopplungsmechanismen erlaubt.

German