Evolutionäre Algorithmen zur Optimierung von Modellen für laufende Roboter

Abstract

Die Dissertation befasst sich mit der Modellierung und Optimierung von Laufbewegungen für zwei- und vierbeinige Roboter. Es werden parametrierbare Modelle für die Generierung von Laufbewegungen für zwei- und vierbeinige Roboter aufgestellt. Anschließend wird vorgestellt, wie Roboter mithilfe der Laufmodelle und dem Einsatz von Evolutionären Algorithmen autonom das Laufen erlernen. Zur Reduktion der benötigten Trainingsläufe werden verschiedene modellgestützte Evolutionsstrategien untersucht und eingesetzt. Da zur Beurteilung der Verfahren zahlreiche Optimierungsläufe notwendig sind, wird darüber hinaus präsentiert, wie ein physikalischer Robotersimulator lernt, sich möglichst so zu bewegen wie der reale Roboter.