Poröse Füße aus dem 3D-Drucker senken Energiebedarf von Roboterhunden

Herausforderung: Energieeffizienz bei vierbeinigen Robotern

Roboter, die sich auf Beinen fortbewegen, stehen vor einem grundlegenden Problem: Im Vergleich zu Systemen mit Rädern verbrauchen sie deutlich mehr Energie. Dies führt in der Praxis zu kürzeren Laufzeiten und einer eingeschränkten Einsatzdauer. Ingenieure suchen daher kontinuierlich nach Möglichkeiten, die mechanische Effizienz dieser Systeme zu verbessern. Ein bewährter Ansatz ist die Integration elastischer Komponenten in die Gliedmaßen, die beim Aufsetzen des Fußes Energie aufnehmen und diese beim Abstoßvorgang wieder abgeben können.

Bisher stießen diese mechanischen Lösungen jedoch an ihre Grenzen, insbesondere bei niedrigen Geschwindigkeiten. Bei langsamen Bewegungen geht ein Großteil der zwischengespeicherten Energie verloren, anstatt in eine effiziente Vorwärtsbewegung umgewandelt zu werden. Genau hier setzt ein Forschungsteam der School of Mechanical System Engineering der Seoul National University of Science and Technology an.

TPMS-Strukturen als Schlüssel zur Energieabsorption

Die Wissenschaftler entwickelten spezielle Fußpolster, die auf der Technologie der „Triply Periodic Minimal Surfaces“ (TPMS) basieren. Diese Strukturen zeichnen sich durch sich wiederholende, dreidimensionale Netzwerke aus. Das Material bietet eine Kombination aus gezielter Steifigkeit und exzellenten Eigenschaften zur Energieabsorption. Solche TPMS-Strukturen finden bereits in anderen Bereichen Anwendung, etwa bei der Herstellung luftloser Reifen.

Für den Test an einem vierbeinigen Roboterhund fertigte das Team drei verschiedene halbrunde Designs mit den Bezeichnungen „Primitive“, „Gyroid“ und „Diamond“ mittels 3D-Druck an. Die Varianten unterschieden sich in ihrer inneren Struktur sowie ihrer Materialdichte, um das Verhalten bei unterschiedlichen Belastungen zu untersuchen.

Optimierung durch Deep Reinforcement Learning

Um das Potenzial der passiven Energieaufnahme und -abgabe voll auszuschöpfen, reichte die rein mechanische Konstruktion nicht aus. Die Forscher kombinierten die 3D-gedruckten Polster daher mit einer intelligenten Bewegungssteuerung. Mittels Deep Reinforcement Learning wurde das System so trainiert, dass die Motoren in den Gelenken während der Kraftentfaltung aus den Füßen heraus ihre eigene Leistung minimieren. Das Ziel bestand darin, die mechanische Rückgewinnung der Energie optimal zu unterstützen.

Die Ergebnisse der Studie, die im *International Journal of Precision Engineering and Manufacturing-Green Technology* veröffentlicht wurde, zeigen, dass dieser Ansatz insbesondere bei niedrigen Gehgeschwindigkeiten zwischen 0,4 und 1,0 Metern pro Sekunde effektiv ist. In diesem Bereich konnte der Energieverbrauch um 1,4 bis 6,2 Prozent gesenkt werden.

Auswirkungen auf die Stabilität und zukünftige Perspektiven

Ein wesentlicher Aspekt der Untersuchung war die Stabilität des Roboters. Die nachgiebigen Fußpolster beeinflussten das Gangbild und die Standfestigkeit nur minimal. Es waren lediglich geringfügige Korrekturbewegungen erforderlich, um den Roboter stabil zu halten. Die Kombination aus additiver Fertigung und KI-gestützter Bewegungssteuerung bietet somit einen vielversprechenden Weg, um die Betriebsdauer von autonomen Systemen zu verlängern, ohne die mechanische Komplexität der Roboterbeine massiv zu erhöhen. Die Forschungsergebnisse unterstreichen, wie durch gezieltes Materialdesign und adaptive Software die Effizienz mobiler Roboter auch in schwierigen Geschwindigkeitsbereichen optimiert werden kann.