Inspiriert von der Biologie
Bei dem Begriff Autonome Fortbewegung steht aktuell noch immer das selbstfahrende Auto im Vordergrund. Doch die autonome Fortbewegung von kleinen Robotern ist zunehmend ein zentrales Thema in zahlreichen Anwendungsbereichen: Ob z. B. für die unbemannte Erkundung bei Missionen im Weltraum oder in der Notfallhilfe in der sicherheitskritischen Umgebung einer Atomanlage. In diesen Bereichen haben insbesondere Systeme, die sich an flüssige oder sandige Böden anpassen können, einen Vorteil gegenüber Geräten, die ausschließlich Beine zur Fortbewegung einsetzen.
Um die autonome Fortbewegung unter diesen Voraussetzungen zu ermöglichen, werden Verfahren der Künstlichen Intelligenz (KI) eingesetzt. Die klassischen Methoden der KI können bei tragbaren oder mobilen intelligenten Geräten jedoch nur bedingt angewendet werden. Der Forschungsbereich Neuromophic Computing bietet deshalb erfolgversprechende Lösungen an, indem er energieeffiziente Hardware zur Ausführung KI in Edge-Geräten bereitstellt, die eine Portierung auf kleine Roboter erst ermöglichen. Im Forschungsprojekt INRC1 hat fortiss mit diesem Forschungsansatz erfolgreich bewiesen, dass ein biologisch inspirierter, schlangenähnlicher Roboter mit einem energieeffizienten neuromorphen Chip zum Schwimmen gebracht werden kann.
Robuste, anpassungsfähige und intelligente autonome Maschinen sind einer der großen Durchbrüche, die die laufende KI-Revolution verspricht. Autonome Agenten, die mit minimaler Überwachung, verbesserten Fortbewegungsfähigkeiten und geringem Energieverbrauch agieren, können den Weg für zahlreiche Anwendungen in der Industrie ebnen, wie zum Beispiel medizinische Assistenten, autonome Lagerfahrzeuge, Lieferdrohnen oder bei Applikationen in der Weltraumforschung. Um solche Aufgaben zu bewältigen, ist die autonome Fortbewegung ein entscheidender Faktor, bei dem sich nach wie vor schwierige Fragen stellen: Wie können Maschinen mit adaptiven Fähigkeiten wie bei Tieren gebaut werden, wenn es um die Bewegung unter verschiedenen Bedingungen und um die Feinsteuerung von Bewegungen geht?
Die Biologie löst das Problem mit dem Gehirn und dem Rückenmark, die zusammen ein natürliches, adaptives, spikendes und neuronales Netzwerk bilden. Spikes, also elektrische Impulse der Neuronen, befehlen und synchronisieren die Muskeln in unwillkürlichen, aber koordinierten Bewegungen. Die Simulation dieses Verhaltens in künstlichen spikenden neuronalen Netzen, die auf energieeffizienter neuromorpher Hardware laufen, wurde bisher in dieser Form noch nicht in einem Schwimmroboter umgesetzt.
fortiss hat ein neuartiges, spikendes neuronales Netzwerkmodell mit einem sogenannten Central Pattern Generator (CPG) entwickelt, das spezifische Verhaltensweisen des Rückenmarks für die unbewusste Bewegungserzeugung nachahmt. Die Ausgänge der gekoppelten Oszillatoren, die die Bewegung der einzelnen Robotergelenke erzeugen, sind synchronisiert, robust gegenüber externen Störungen und durch nur zwei High-Level-Antriebe einfach zu steuern. Die fortiss-Wissenschaftler implementierten ihren Algorithmus in einem virtuellen, schlangenähnlichen Robotermodell in der Neurorobotics Platform, einem leistungsfähigen Neuro-Robotik-Simulator.
Mithilfe der Fluiddynamik, die auf der Smoothed Particle Hydrodynamics-Methode basiert, verbesserten die Forscher*innen zunächst die Neurorobotics Platform. Anschließend wurde das im neuromorphen Computing weit verbreitete Toolset Neural Engineering Framework eingesetzt, um das neurale Netz zu entwerfen und die Bewegung des Robotermodells zu steuern. Da die Neurorobotics Platform verschiedene Arten von Computing-Hardware unterstützt, konnte fortiss die Leistung zwischen einem herkömmlichen Computer, dem Intel Forschungs-Chip Loihi und dem SpiNNaker-Forschungschip (des Human Brain-Projekts) vergleichen. Dazu wurde ein umfangreiches Benchmarking durchgeführt, um Energieeffizienz, Genauigkeit und Ausführungszeit zu bewerten.
Im Projekt INRC1 konnte fortiss die beeindruckende Leistung einer neuromorphen Hardware aufzeigen, wenn auf dieser spikende neuronale Netzwerke ausgeführt werden und parallel den Vergleich zu einem herkömmlichen Computer demonstrieren. Das fortiss-Kompetenzfeld Neuromorphic Computing beweist mit diesem und anderen laufenden Forschungsprojekten, dass neuromorphe Hardware und spikende neuronale Netze eine große Rolle bei eingebetteter KI in Edge- und Mobilgeräten spielen können.
Der Einsatz von Neuromorphem Computing bietet auch bei komplexeren Robotermodellen zwei wesentliche Vorteile: Bei der Energieeffizienz, denn sie ist letztendlich entscheidend für eingebettete KI, und bei der Sparsamkeit der Daten. Die vorliegenden Ergebnisse könnten deshalb auch auf ein reales Roboter-Pendant wie z.B. den Salamandra Robotica der École Polytechnique Fédérale de Lausanne (EPFL) angewendet werden.
Der fortiss-Beitrag zu dieser wissenschaftlichen Herausforderung wurde durch die sehr fruchtbare Zusammenarbeit mit dem Biorobotics Lab der École Polytechnique Fédérale de Lausanne (EPFL) im Rahmen des Human Brain Project und der Neuromorphic Research Community von Intel ermöglicht.
Die EPFL hat, zusätzlich zu ihrer Expertise in biologisch plausiblen Robotern, das 3D-Modell des Roboters, die mathematische Formulierung des Central Pattern Generators und ihre Unterstützung bei der Flüssigkeitssimulation bereitgestellt.
Intel hat durch die Verwendung des Loihi-Chips und beim Benchmarking einen wesentlichen Beitrag zum Gelingen des Projekts beigetragen
Außerdem hat die Computational Neuroscience Research Group der Universität Waterloo in Kanada, beim Einsatz von Nengo und dem Neural Engineering Framework hervorragende Unterstützung geleistet.
