Entwicklung des Laufroboters Forrest
Wir leiten die Entwicklung von Forrest, einer energieeffizienten Laufroboter-Plattform, die auf mechanisch intelligenter Fortbewegung basiert. Das System kombiniert eine sehnenbasierte Beinarchitektur nach dem Vorbild mehrgelenkiger Kopplung mit einem lernbasierten Regelungs-Stack, trainiert in NVIDIA-Isaac-Simulation. Ziel ist es, Morphologie, elastische Energiespeicherung und reduzierte Aktuierungskomplexität zu nutzen, um stabiles, effizientes Gehen mit einem Regler zu erreichen, der zuverlässig von der Simulation auf die Hardware übertragbar ist.
Leistungsumfang
- Mechanisches Design einer energieeffizienten, sehnengekoppelten Beinarchitektur
- Integration von Aktuierung, Elektronik, Sensorik und Onboard-Rechenleistung
- Physikbasierter Simulations-Workflow für die Entwicklung von Laufrobotik
- Reinforcement-Learning-Pipeline für Gangerzeugung und Policy-Optimierung
- Sim-to-Real-Transfer und Validierung auf der physischen Roboterplattform
Gelieferte Kernfunktionen
- Sehnennetzwerk-Mechanismus für passive Lastverteilung über die Gelenke
- Elastische Energierückgewinnung zur Reduzierung von Leerlauf- und Standphasenverlusten
- Reduzierte Motorenzahl durch morphologiegetriebene mechanische Koordination
- GPU-beschleunigtes RL-Training in Isaac-basierten Simulationsumgebungen
- Fortbewegungs-Policies für Robustheit, Effizienz und Hardware-Transfer ausgelegt
Ergebnis
Forrest behandelt Beinmechanik und Gangregelung als ein einziges Entwurfsproblem statt als zwei getrennte Übergaben zwischen Disziplinen: Eine sehnengekoppelte Beinarchitektur reduziert die Motorenzahl und gewinnt elastische Energie zurück, während eine in Isaac-Simulation trainierte Reinforcement-Learning-Policy gezielt für die Übertragung auf genau diese Hardware ausgelegt ist. Das Ergebnis ist eine Forschungsplattform für effiziente, skalierbare Laufrobotik mit einem klaren Weg vom Konzept zur einsatzbereiten Hardware.