End-to-End adaptive Gangart-Generierung für energieeffiziente Fortbewegung von Schlangrobotern mittels Deep Reinforcement Learning

Zusammenfassung Schlangroboter bieten bemerkenswerte Fähigkeiten zur Navigation in komplexen und dynamischen Umgebungen, dennoch bleibt die Erzielung adaptiver und energieeffizienter Fortbewegung unter variierenden Umweltbedingungen eine grundlegende Herausforderung, insbesondere für radlose Konstruktionen, die höheren Reibungskräften ausgesetzt sind. Um diese Herausforderungen zu bewältigen, schlägt diese Arbeit einen End-to-End adaptiven Trajektorien-Generierungsrahmen für einen radlosen Schlangroboter vor, wobei ein Deep Reinforcement Learning (DRL) Controller basierend auf dem Twin-Delayed Deep Deterministic Policy Gradient (TD3) Algorithmus verwendet wird. Der Ansatz ermöglicht es dem Roboter, optimale Fortbewegungsstrategien autonom direkt aus Umweltbeobachtungen zu erlernen, ohne vordefinierte Gangarten oder umfangreiche manuelle Anpassungen. Zur Bewertung der Effektivität und Anpassungsfähigkeit des vorgeschlagenen Controllers wurden Referenzgeschwindigkeiten in Simulationen zufällig variiert, um unterschiedliche Bodenreibbedingungen nachzuahmen, wodurch der Roboter seine Trajektorien anpassen muss, um eine energieeffiziente Bewegung aufrechtzuerhalten. Simulationsergebnisse zeigen, dass der auf TD3 basierende Controller adaptive und energieeffiziente Fortbewegungsmuster bei variierenden Referenzgeschwindigkeiten erfolgreich erzeugt und Bewegungen hervorbringt, die natürlichen Schlangengängen ähneln, wie laterale Wellenbewegung und Konzertina-Fortbewegung. Darüber hinaus zeigt der vorgeschlagene Controller eine hohe Generalisierungsfähigkeit und erreicht durchgehend einen Pareto-optimalen Kompromiss zwischen Geschwindigkeit und Energieverbrauch. Diese Ergebnisse unterstreichen das Potential von DRL-basierten Controllern, die Anpassungsfähigkeit und Energieeffizienz von Schlangrobotern zu verbessern und ebnen den Weg für praktische Anwendungen in den Bereichen Suche und Rettung, Erkundung und industrielle Inspektionsaufgaben.