Locker

Dec 05, 2023

Wissenschaftliche Berichte Band 13, Artikelnummer: 3290 (2023) Diesen Artikel zitieren

1496 Zugriffe

9 Altmetrisch

Details zu den Metriken

Tiere laufen robust in abwechslungsreichem Gelände. Diese Robustheit der Fortbewegung ist rätselhaft, da die Axonleitungsgeschwindigkeit auf einige zehn Meter pro Sekunde begrenzt ist. Wenn Reflexschleifen sensorische Informationen mit erheblichen Verzögerungen liefern, wäre eine destabilisierende Wirkung auf die sensomotorische Kontrolle zu erwarten. Daher beschreibt eine alternative Erklärung eine hierarchische Struktur aus adaptiver Mechanik auf niedriger Ebene und sensomotorischer Steuerung auf hoher Ebene, um die Auswirkungen von Übertragungsverzögerungen abzumildern. Motiviert durch das Konzept eines adaptiven Mechanismus, der eine sofortige Reaktion auslöst, haben wir ein abstimmbares physikalisches Dämpfersystem entwickelt. Unser Mechanismus kombiniert eine Sehne mit einstellbarem Durchhang, die mit einem physikalischen Dämpfer verbunden ist. Der Slack-Dämpfer ermöglicht die Einstellung der Dämpfungskraft, des Einschaltzeitpunkts, des effektiven Hubs und der Energiedissipation. Wir charakterisieren den Slack-Dämpfermechanismus, der an einem Roboter mit Beinen montiert ist, der im Open-Loop-Modus gesteuert wird. Der Roboter hüpft vertikal und planar über unterschiedliches Gelände und Störungen. Beim Vorwärtsspringen verbessert die lockere Dämpfung eine schnellere Störungswiederherstellung (bis zu 170 %) bei höheren Energiekosten (27 %). Der abstimmbare Slack-Mechanismus aktiviert den Dämpfer bei Störungen automatisch, was zu einer störungsauslösenden Dämpfung führt und so die Robustheit bei minimalen Energiekosten verbessert. Mit den Ergebnissen des Slack-Dämpfer-Mechanismus schlagen wir eine neue funktionale Interpretation der redundanten Muskelsehnen von Tieren als abstimmbare Dämpfer vor.

Oben: Schnelles Überfahren von Bodenstörungen ist eine Herausforderung. Aufgrund sensomotorischer Verzögerungen von bis zu 50 ms fällt es dem Zentralnervensystem schwer, plötzliche Bodenstörungen wahrzunehmen und darauf zu reagieren1. Im Gegensatz dazu wirkt die intrinsische Mechanik des Bewegungsapparates wie ein Federdämpfer. Sie lösen bei Kontakt mit der Umgebung eine physikalische und damit unmittelbare (< 5 ms) Reaktion aus. Wir nehmen an, dass die Beindämpfung Bodenstörungen durch adaptive Krafterzeugung und Energiedissipation abschwächt. Durch die Erschlaffung der Sehne in Verbindung mit der Bewegung des Gelenks wird der Dämpfer automatisch aktiviert. Dadurch entsteht ein Kompromiss zwischen Fortbewegungsrobustheit und energetischer Effizienz. Unten: Der Dämpferdurchhang ermöglicht eine störungsbedingte Dämpfung. Bei ausreichender Entspannung greift der Dämpfer im Stand nicht ein und es entsteht nur ein federbasiertes Drehmoment. Wenn eine Störung auftritt, erhöht sich die Kompression des Beins weiter, wodurch jegliches Spiel des Dämpfers beseitigt wird und der Dämpfer parallel zur Feder einrastet.

Tiere laufen dynamisch über ein breites Geländespektrum (Abb. 1). Die Unebenheiten und die wechselnde Nachgiebigkeit des natürlichen Geländes erfordern die Fähigkeit zur schnellen und dynamischen Anpassung an unerwartete Bodenverhältnisse. Allerdings verlangsamen die Verzögerungen der Neurotransmission bei Tieren die Weitergabe sensomotorischer Informationen2, wodurch je nach Tiergröße eine neuronale Reaktion für bis zu 5 bis 40 % der Standphasendauer unmöglich wird1. Wie Tiere trotz verzögerter sensomotorischer Informationen hochdynamische Bewegungen erzeugen und aufrechterhalten können, ist daher eine zentrale Frage in den Neurowissenschaften und der Biorobotik1,3,4,5.

Inhärente mechanische Eigenschaften der Muskeln erleichtern die Unterdrückung unerwarteter Störungen6,7,8,9. Muskelgewebe besitzt nichtlineare elastische und viskose mechanische Eigenschaften, die die Muskelkraft sofort an Änderungen in der Länge oder Kontraktionsgeschwindigkeit der Muskel-Sehnen-Fasern anpassen. Diese mechanischen Eigenschaften ermöglichen es dem neuromuskuloskelettalen System, ohne Verzögerung auf äußere Störungen zu reagieren, eine Fähigkeit, die als „Preflex“10,11 bezeichnet wird.

Die intrinsische Elastizität und ihre Rolle bei der Fortbewegung der Beine wurden ausführlich untersucht12,13,14,15,16. Beispielsweise speichern Sehnen, die sich wie nichtlineare serielle Federn verhalten, bei Bodenkontakt mechanische Energie und geben diese ab12 und verbessern die Stoßtoleranz17. Davon inspiriert wurden parallele und serielle elastische Aktuatoren erfolgreich in die Konstruktion von Robotern mit Beinen implementiert18,19,20,21 und demonstrierten eine verbesserte Robustheit bei geringem Steuerungsaufwand. Im Gegensatz dazu ist die funktionelle Rolle, die die Dämpfung bei der Fortbewegung der Beine spielt, weniger untersucht und verstanden.

Durch die Dämpfung kann ein Kraftergebnis erzeugt werden, das sich an die Aufprallgeschwindigkeit anpasst. Diese adaptive Kraftabgabe erhöht die effektive Kraftabgabe bei Stößen22, minimiert den Kontrollaufwand23, stabilisiert die Bewegung24,25,26 und unterdrückt unerwartete Störungen27,28. Dennoch wird die Dämpfung bei der Konstruktion von (Bio-)Robotersystemen meist minimiert, da sie zu einem erhöhten Energieverbrauch führen kann. Interessanterweise scheinen Wirbeltiere in der Lage zu sein, die von ihren Muskelfasern erzeugte Dämpfung anzupassen29. Dies deutet darauf hin, dass eine abstimmbare Dämpfung eine Lösung zur Regulierung der Dämpfungskräfte und zur Energieableitung je nach Geländebedingungen sein kann.

Eine einstellbare Dämpfung in der Biorobotik kann durch Steuerung30,31, also virtuelle Dämpfung, implementiert werden. Die virtuelle Dämpfung bringt erhebliche Designbeschränkungen mit sich. Es erfordert eine präzise Geschwindigkeitsschätzung, Hochfrequenzsteuerung (> 1 kHz), starke Aktuatoren zur Erzeugung ausreichender Spitzenkräfte und Mittel zur effektiven Ableitung der entstehenden Wärme32,33,34,35,36. Alternativ können physikalische Dämpfer parallel zu den Gelenken des Roboters montiert werden37. Ein physikalischer Dämpfer nimmt physikalische und sofortige Reaktionen wahr, erfordert keine Steuerung oder Berechnung, teilt die Spitzenlast der Aktuatoren und hat somit das Potenzial für eine schnelle Anpassung an Geländestörungen38. Die Abstimmung der Dämpfung mit einem physikalischen Dämpfer, der an einem Roboter mit Beinen montiert war, erwies sich als Herausforderung. Die Einstellung einer höheren Dämpfungsrate führte zu den erwarteten höheren Kräften, jedoch zu einer geringeren Beinkompression und einem effektiven Dämpferhub38. Folglich erhöhte sich die durch die Arbeitsschleifenfläche angezeigte Verlustenergie nicht. Darüber hinaus arbeiten fest montierte physikalische Dämpfer kontinuierlich und leiten bei ungestörtem Niveaulauf Energie ab. Stattdessen sollte die physikalisch einstellbare Dämpfung idealerweise durch die Störung selbst ausgelöst werden. Der Dämpfer sollte einrasten und sich je nach Vorhandensein und Schwere der während der Fahrt auftretenden Bodenbeeinträchtigung selbst einstellen.

Die bei Muskel-Sehnen-Einheiten39,40 und von Tieren inspirierten Robotern41 beobachtete Sehnenschlaffheit lieferte uns eine Entwurfsvorlage für die Implementierung einer einstellbaren Dämpfung in einem Beinsystem (Abb. 1 oben). Die schlaffe Länge der Sehne ist definiert als die „...Länge, ab der die mit einem Muskel verbundenen Sehnen beginnen, der Dehnung Widerstand zu leisten und Kraft zu erzeugen“40. In anderen Arbeiten wird die „Sehne um bis zu 2 % gedehnt, was die „Ausdehnung“ der gekräuselten Sehnenfibrillen darstellt, bevor sie beginnt, beträchtliche Kraft zu übertragen“39. Badri-Spröwitz et al. Zeigen Sie Sehnenschlaffheit bei der Beugebewegung der Finger großer Vögel und implementieren Sie Sehnenschlaffheit im entsprechenden Roboter41. Durch das Lösen des Dämpfers von seinem Gelenk über einen kontrollierten Sehnendurchhang erwarten wir, den Beginn, den Zeitpunkt und das Ausmaß des Dämpfereingriffs anzupassen. Darüber hinaus ermöglicht die Sehnenschlaffheit eine Störungsauslösestrategie (Abb. 1 unten). Beim stationären Laufen, zum Beispiel auf flachem Gelände, wird das Bein komprimiert, ohne die Sehnenerschlaffung zu sättigen. Sobald eine unbemerkte Bodenstörung die Beinkompression weiter erhöht, übersteigt die Verschiebung der Sehne den Spielraum der Sehne und der Dämpfer aktiviert sich automatisch. Diese Strategie ermöglicht eine adaptive Kraftabgabe, ausgelöst durch Bodenstörungen.

In dieser Arbeit haben wir eine bioinspirierte, physikalisch abstimmbare Dämpfungsstrategie basierend auf der Sehnenschlaffheit implementiert und getestet. Unser Ziel war es, eine durch Störungen ausgelöste Dämpfung zu erzeugen und die Robustheit gegenüber Bodenstörungen zu verbessern. Wir haben dieses Designkonzept an einem Roboterbein beim vertikalen und Vorwärtshüpfen sowohl im stationären als auch im gestörten Zustand evaluiert. Im Gegensatz zu früheren Konstruktionen38 ermöglichte unser Slack-Dämpfermechanismus eine einfache Einstellung des Dämpfereingriffs und der Energiedissipation. Aufgrund der adaptiven Eigenschaften unseres physikalischen Dämpfungsdesigns haben wir eine verbesserte Sprungrobustheit beobachtet, während die energetischen Kosten steigen. Die durch Störungen ausgelöste Kapazität unseres Slack-Dämpfermechanismus ermöglicht einen günstigeren Kompromiss zwischen Robustheit und Effizienz.

Wir haben drei Experimente entworfen, um das vorgeschlagene Design mit einem hydraulischen Dämpfer zu untersuchen, der an einem Roboterbeingelenk montiert ist (Tabelle 1). Wir haben Dämpferspielwerte von 10, 6, 3 und 0 mm unter allen Bedingungen getestet. Diese Einstellungen reichen von vollem Durchhang (10 mm, minimale effektive Dämpfung) bis zu keinem Durchhang (0 mm, maximale effektive Dämpfung). Ein Open-Loop-Controller erzeugte das Bewegungsmuster des Roboterbeins. Ohne Rückmeldung waren Bodenstörungen für diese Steuerung auf hoher Ebene (neuronale Schaltkreise) unsichtbar, und Störungen konnten nur durch Mechanik auf niedriger Ebene in Form einer physikalischen Reaktion ausgeglichen werden.

Wir haben den vertikalen Sprungaufbau verwendet, um die vertikale Komponente der Fortbewegung zu untersuchen und so die Messung der Bodenreaktionskraft (GRF) in allen Schritten zu ermöglichen (Abb. 5e). Wir haben die Abwärtsstörung eingeführt, um die Robustheit des Systems zu bewerten. Wir haben den Vorwärts-Hopping-Aufbau verwendet, bei dem das Bein an einer Auslegerstruktur befestigt ist, um eine realistischere Fortbewegungsdynamik zu simulieren (Abb. 5f). Wir haben die Vorwärtssprungleistung auf unebenem Gelände und die Robustheit gegenüber Störungen beim Hoch- und Runterfahren analysiert.

Alle Daten finden Sie in der Ergänzungstabelle S3–5.

Mit der Feed-Forward-Steuerung hüpfte das Bein im vertikalen Aufbau für zwei Störungsniveaus und vier Slack-Werte. Abbildung 2a zeigt ein Beispiel einer Zeitreihe von 10 Wiederholungen. Die Testbedingung umfasste eine Störung von 15 % der Beinlänge (LL) und eine Sehnendurchhängung von 3 mm (Zusatzfilm S1). Beim gestörten Schritt 1 prallte das Bein mit höherer Geschwindigkeit auf den Boden auf und wurde stärker komprimiert. Dies führte zu höheren Dämpfer- und Federkräften als vor der Störung. Wir haben festgestellt, dass die Dämpferkraft aufgrund der internen Erholungsfeder des Dämpfers in der Mittelstellung nicht auf Null abfiel.

Wir haben festgestellt, dass der abstimmbare Slack-Mechanismus die Dämpfung wirksam abstimmt. Einstellungen des Dämpferdurchhangs von 0 bis 6 mm führten zu einem verzögerten Einrücken des Dämpfers: von 0 bis 50 ms nach dem Einsetzen der Federkraft beim Level-Hopping (Abb. 2b). Die Kraft-Weg-Arbeitsschleifen des Dämpfers während des Level-Hoppings bestätigten den kontrollierbaren Beginn der Dämpferkraft (Abb. 2c). Die umschlossenen Arbeitsschleifenbereiche repräsentieren die Standby-Verlustenergie des Dämpfers. Dämpferspielwerte von 0, 3, 6 und 10 mm können einer Standby-Verlustleistung von 152, 86, 29 und 1 mJ zugeordnet werden. Beim Störungsschritt verbrauchte der Dämpfer mehr Energie (65 % bis 190 %) im Vergleich zur Level-Hopping-Standby-Dissipation (Abb. 2d). Die zusätzliche dissipierte Energie hängt mit der Höhe des Bodengefälles zusammen und zeigt eine adaptive Energiedissipation an Geländestörungen. Unter allen getesteten Bedingungen konvergierte die zusätzlich dissipierte Energie in den folgenden Schritten gegen 0, was auf eine Rückkehr zum stationären Springen hindeutet.

Die Robustheit des Hüpfsystems kann anhand des Phasendiagramms der Hüfthöhe qualitativ beurteilt werden (Abb. 2e und Zusatzfilm S1). Bei einer Slack-Einstellung von 10 mm war das Sprungverhalten am variabelsten, wie die Überlagerung grauer Linien zeigt, die 200 Schritte in 10 Wiederholungen darstellen. Bei einer Slack-Einstellung von 6 mm war das Phasendiagramm sauber und das Springen konvergierte in weniger Schritten als bei anderen Einstellungen einem neuen „Grenzzyklus“. Eine quantitative Robustheitsmessung ist die Anzahl der Schritte, die erforderlich sind, um das System nach der Störung wieder auf seine ursprüngliche Sprunghöhe zu bringen (Abb. 2f). Die Robustheit des Systems war bei der 6-mm-Slack-Einstellung am höchsten und erforderte durchschnittlich 1,7 bzw. 2,5 Schritte, um eine 10- bzw. 15-prozentige LL-Störung wiederherzustellen (Abb. 2g). Bei stärkeren Störungen benötigte der Roboter mehr Schritte, um sich zu erholen. Wir messen die Energie des Hüpfsystems anhand seiner Hüpfkosten (CoH, Gleichung (4)). Der CoH stieg bei höherer Dämpfung oder stärkeren Störungen von 6,3 auf 7,6 (Abb. 2h). Bei einem Dämpferspiel von 6 mm bei 10 % LL-Störung fanden wir eine um 47 % schnellere Wiederherstellung der Störung in Kombination mit einem um 5 % höheren CoH im Vergleich zu einem Dämpferspiel von 10 mm (Abb. 2i).

Vertikales Hüpfen mit Step-Down-Störung: (a) 10-Wiederholungs-Overlay-Zeitreihe der Hüftposition y, GRF, Feder- und Dämpferkräfte. Eine LL-Störung von 15 % bei Stufe 1 erhöht die GRF-, Feder- und Dämpferkräfte aufgrund der höheren Aufprallgeschwindigkeit. Aufgrund der 3-mm-Durchhangseinstellung beginnt der Dämpfer mit einer Verzögerung bis zum Aufsetzen Kraft zu erzeugen. (b) Diese Dämpfer-Eingriffsverzögerung ist durch die Einstellung des Dämpferspiels einstellbar. (c) Die 10-Wiederholungs-Overlay-Dämpfer-Arbeitsschleife in ungestörten periodischen Schritten zeigt, dass die Startposition zuverlässig abgestimmt und die Standby-Dissipationsenergie (umschlossener Bereich) einstellbar ist. (d) Die durchschnittliche zusätzliche Verlustenergie des Dämpfers während der Störungsschritte. (e) Phasendiagramm der Hüftposition mit 10 mm und 6 mm Dämpferspiel unter 15 % LL-Störung. Die graue Überlagerung zeigt die Überlappung von 10 Wiederholungen von 20 Schritten, während die dunklere Linie die gemittelte Flugbahn darstellt. (f) Die durchschnittliche Sprungspitzenhöhe während Störungsschritten. Die transparente Überlagerung stellt die 95 %-Konfidenzgrenze dar. (g) Die Beziehung zwischen der Anzahl der Schritte bis zur Erholung nach der Störung und den Einstellungen für den Dämpferdurchhang. (h) Die Beziehung zwischen den Hopping-Kosten und den Dämpferspieleinstellungen. (i) Die Beziehung zwischen der Anzahl der Schritte zur Wiederherstellung und den Kosten des Hüpfens bei verschiedenen Einstellungen des Dämpferdurchhangs und Störungsniveaus.

Beim Vorwärtsspringen auf dem sinusförmigen Grund quantifiziert die Standardabweichung der Schrittzykluszeit die Sprungperiodizität. Im flachen Gelände verringerte sich die Standardabweichung der Schrittzykluszeit von 27 ms auf 2 ms bei geringerem Dämpferdurchhang, was eine verbesserte Sprungperiodizität bei stärkerer Dämpfung zeigt (Abb. 3a). Diese Tendenz war in unwegsamem Gelände mit einer Dicke von ±5 und ±10 mm weniger deutlich, da die Variation der Schrittzykluszeit bei einem Dämpferspielwert von 6 mm zunächst zunahm und dann bei geringerem Dämpferspiel abnahm. Die energetischen Kosten des Vorwärtsspringens wurden als Transportkosten42 gemessen (CoT, Gleichung (5)). Mit zunehmender Dämpfung stieg der CoT von minimal 0,75 auf 1,35 (Abb. 3b). Sowohl die Hüpfperiodizität als auch der CoT wurden durch die Unebenheit des Geländes beeinflusst. In flachem Gelände war eine zunehmende Dämpfung mit einer verbesserten Periodizität und einem erhöhten CoT verbunden (Abb. 3c). Bei einer Geländerauheit von ±5 mm zeigen die Daten für Dämpferspielwerte von 0, 3 und 6 mm eine ähnliche Tendenz. Der Dämpferspielraum von 10 mm zeigt die beste Leistung mit einem CoT von 0,75 und einer Standardabweichung von 2 ms Zykluszeit (Abb. 3d). Bei einer Geländerauheit von ±10 mm lag die Standardabweichung der Zykluszeit für alle Slack-Einstellungen bei etwa 2 mm bis 3 mm, während der CoT zwischen 0,79 und 1,32 schwankte. Unter diesen drei getesteten Geländen zeigte die stärkste Dämpfung, d. h. die Einstellung mit einem Durchhang von 0 mm, eine bessere Periodizität mit einer Zykluszeit-Standardabweichung von ca. 2 ms, aber mit dem höchsten CoT im Bereich von 1,24 bis 1,35.

Vorwärtsspringen mit kontinuierlicher Störung: (a) Die Standardabweichung der Schrittzykluszeit zeigt, dass die Sprungperiodizität mit höherer Dämpfung (weniger Durchhang) verbessert wird. (b) Die Beziehung zwischen dem CoT und den Dämpferspieleinstellungen. (c) In flachem Gelände wird die Fähigkeit des Roboters, periodisches Hüpfen aufrechtzuerhalten, durch eine höhere Dämpfung auf Kosten von CoT verbessert. (d,e) Im kontinuierlichen Störungsgelände ist eine hohe Dämpfung auch mit einem hohen CoT und einer guten Periodizität verbunden.

Wir haben die Robustheit des Systems beim Vorwärtsspringen bewertet, indem wir seine Reaktion auf unerwartete, plötzliche Störungen getestet haben. Daher haben wir das Verhalten des Roboterbeins bei Abwärtsbewegungen auf seinem Hüpfweg analysiert. Als Robustheitsmessung haben wir die Anzahl der Schritte gezählt, die erforderlich sind, damit sich der Trichter nach der Schrittstörung erholt. Das zweite Maß für die Robustheit ist die Anzahl der Fehler bei zehn Störungsversuchen. Durch die Reduzierung des Dämpferdurchhangs von 10 auf 0 mm sanken die durchschnittlichen Erholungsschritte, die das Roboterbein benötigte, von 2,7 auf 1,0 für die 15 % LL-Störung und von 2,6 auf 2,3 für die 30 % LL-Störung (Abb. 4a). In ähnlicher Weise verringerte sich mit stärkerer Dämpfung die Anzahl der fehlgeschlagenen Versuche von 7 auf 0 für die 15 % LL-Störung und von 10 auf 3 für die 30 % LL-Störung (Abb. 4b). Der Beinroboter war weniger robust gegenüber einer stärkeren Störung, da er bei den beiden getesteten Störungsstufen durchschnittlich 0,7 Wiederherstellungsschritte mehr benötigte oder durchschnittlich viermal häufiger versagte. Ähnlich wie bei den beiden anderen Experimenten stiegen die energetischen Kosten des Systems mit zunehmender Dämpfung, da der CoT von 0,95 auf 1,44 anstieg (Abb. 4c). Bei einem Dämpferspiel von 0 mm bei 15 % LL-Störung fanden wir eine um 170 % schnellere Wiederherstellung der Störung in Kombination mit einem um 27 % höheren CoH im Vergleich zu einem Dämpferspiel von 10 mm (Abb. 4d). Bei beiden Robustheitsmessungen beobachteten wir eine Tendenz zu zunehmender Robustheit auf Kosten höherer Energiekosten bei höheren Dämpfungseinstellungen (Abb. 4d und e).

Vorwärtsspringen mit Hoch- und Rückwärtsstörung: Die Robustheit des Robotersystems wird anhand der Anzahl der Schritte quantifiziert, die zur Wiederherstellung eines stabilen Sprungs erforderlich sind (a) und der Anzahl fehlgeschlagener Versuche in 10 Versuchen (b). (c) Die Beziehung zwischen dem CoT und den Dämpferspieleinstellungen. (d, e) zeigen den Kompromiss zwischen Robustheit und CoT.

Der Slack-Dämpfer-Mechanismus ermöglicht eine effektive, einstellbare Dämpfung. Dies hat drei Konsequenzen: Erstens reagiert der Dämpfer je nach Slack-Einstellung sofort oder verzögert auf Bodenstöße (Abb. 2b). Zweitens kann der Beginn des Dämpferhubs durch die Sehnendurchhängung zuverlässig eingestellt werden (Abb. 2c). Drittens ist die vom Dämpfer erzeugte mechanische Arbeit einstellbar, wie die Änderung der Größe der eingeschlossenen Arbeitsschleifen zeigt (Abb. 2c). Ein derart hohes Maß an Abstimmbarkeit der Dämpferreaktion war bei unserem früheren, kanonischeren Ansatz zur Steuerung der Dämpfungsrate desselben Dämpfermodells (implementiert in einem Zwei-Segment-Zweig) über die Düseneinstellung nicht möglich38. Im Gegensatz dazu bietet die Anpassung des Durchhangs der Dämpfersehne eine wirksame Strategie zur Abstimmung der eingebetteten Dämpfung im Roboterbein. Der Spielraum im Dämpfersehnensystem ermöglicht es der Parallelfeder, den Dämpferaufprall innerhalb von zehn Millisekunden nach dem Aufsetzen des Fußes abzumildern. Infolgedessen erzeugte der Dämpfer weniger Kraft und effektiven Hub als Szenarien mit weniger Spiel (Gl. (1), Abb. 2c).

In den Schritten nach einem plötzlichen Abfall der Bodenhöhe führt die zusätzliche Gravitationsenergie zu 20 bis 30 % höheren Aufsetzgeschwindigkeiten. Die Dämpferkraft und die negative Arbeit erhöhen sich entsprechend und sorgen für eine vorteilhafte mechanische Reaktion zum Ausgleich der Störung (Abb. 2d). Daher erzeugt unsere Dämpferimplementierung mechanische Arbeit auf adaptive Weise, die mit dem Störungsniveau übereinstimmt und durch nur einen Parameter einstellbar ist; die Dämpfersehne locker ist.

Aufgrund des inhärenten Sensor- und Steuerungsrauschens des Systems und der Ungenauigkeit seiner Motorsteuerung ist eine Robustheit des Beinsystems erforderlich1,43,44. Heim et al.45 quantifizierten die Stabilität auf Aufgabenebene in einem modifizierten SLIP-Modell (federbelastetes umgekehrtes Pendel), das eine durch Störungen ausgelöste Dämpfung umfasst, was darauf hindeutet, dass eine erhöhte Dämpfung zu einer verbesserten Robustheit beiträgt. Simulationsstudien zur Beinbewegung24,26 und Muskelexperimente46 zeigten die stabilisierende Wirkung der Dämpfung. Diese theoretischen Beweise motivierten unseren biorobotischen Aufbau, die Dämpfung und ihre Auswirkung auf die Robustheit der Fortbewegung zu untersuchen und zu charakterisieren.

Im Allgemeinen verbessert die Dämpfung die Robustheit des Systems. Bei den vertikalen Sprungexperimenten führte das Hinzufügen einer kleinen Dämpfung (6 mm Durchhang) zur schnellsten Erholung von Schrittstörungen (Abb. 2e und g). Ab einer gewissen Dämpfung scheint das Roboterbein „übergedämpft“ zu sein, wie die Sprunghöhe über Stufen zeigt. Beispielsweise ist die Konvergenz zum Vorstörungsverhalten bei stärkerer Dämpfung (Schlupf < 6 mm) gleichmäßiger (Abb. 2f), erfordert jedoch mehr Schritte (Abb. 2g). In Vorwärts-Hopping-Experimenten verbesserte eine stärkere Dämpfung die Hopping-Periodizität (Abb. 3a) und die Robustheit (Abb. 4a und b), ohne dass eine Überdämpfungsschwelle auftrat. Unser System funktionierte in diesem gestörten Zustand gut. Es überwand die Störung 64 Mal in 80 Versuchen, obwohl für die Vorwärtssprungbewegung der einfache Feed-Forward-Controller mit offenem Regelkreis verwendet wurde. Obwohl zur Wahrnehmung der Störungen keine elektronischen Sensoren eingesetzt werden, fungiert die im Bein eingebettete passive Nachgiebigkeit als ein intrinsisches System mechanischer Sensoren und Aktoren, die äußere Störungen erkennen und sofort darauf reagieren. Wir glauben, dass die adaptive Kraftabgabe durch die Dämpfung eine Schlüsselrolle spielt. Ein reflexgesteuerter Vierbeiner eines Säugetiers ähnlicher Größe wie unser Roboter hat eine sensomotorische Gesamtverzögerung von 60 ms3. Im Vergleich dazu beträgt die Verzögerung der Dämpfungskrafterzeugung im Roboterbein weniger als 50 ms (Abb. 2b). Dies bestätigt, dass die physikalische Dämpfungskraft als Reaktion auf eine Störung tatsächlich schneller wirkt als die Reflexkontrolle.

Die durch das Dämpfersystem eingeführte verbesserte Robustheit geht mit energetischen Kosten einher. Höhere Dämpfungseinstellungen (weniger Spiel) führen zu höheren Energiekosten für alle Experimente (Abb. 2i, 3b und 4c). Dies liegt daran, dass die Aktuatoren mehr Leistung erzeugen müssen, um den Energieverlust durch Dämpfung auszugleichen (Abb. 2c, d) und ein stationäres Sprungverhalten zu erreichen. Eine einstellbare Dämpfung führt zu einem Kompromiss zwischen der Robustheit und den Energiekosten des Systems (Abb. 4d, e). Dieser Kompromiss impliziert, dass Hopping entweder robust gegenüber Störungen sein kann, jedoch mit einem Nachteil beim Energieverbrauch, oder energieeffizient, aber anfällig für Störungen sein kann. Durch die Anpassung des Sehnendurchhangs kann je nach Gelände ein geeigneter Kompromiss gewählt werden.

Der Nutzen der Dämpfung für Systeme mit Beinen bleibt in der Praxis umstritten24,45,47. Die meisten Forschungen zur Fortbewegung auf Beinen konzentrieren sich auf die Optimierung eines einzelnen Aspekts, etwa der Robustheit, Stabilität oder des Energieverbrauchs. Im Gegenteil ist die Evolution in der Biologie wahrscheinlich kein einseitiger Optimierungsprozess. Stattdessen argumentieren wir, dass eine ganzheitlichere Perspektive erforderlich ist, um die Wechselwirkung zwischen den vielen Leistungsmetriken zu verstehen, die die Fortbewegung auf Beinen charakterisieren. Daher argumentieren wir, dass sich die Fortbewegungspriorität ändern kann. Wie Abb. 1 zeigt, ist eine geringere Dämpfung wünschenswert, um den Energieverbrauch bei der Fortbewegung in ebenem Gelände zu minimieren. Bei unebenem Gelände wird eine höhere Dämpfung bevorzugt, um die Robustheit gegenüber Bodenstörungen zu verbessern. Daher ist die Dämpfung ein Schlüssel zum Ausgleich des Kompromisses zwischen Robustheit und Energieverbrauch.

Der Vorteil unseres Slack-Dämpfungsmechanismus hinsichtlich des Energieverbrauchs besteht darin, dass er eine Störungs-Trigger-Strategie ermöglicht. Der Durchhang der Dämpfersehne kann so eingestellt werden, dass er beim Level-Hopping kaum einrastet. Es wird dann aktiviert, sobald eine Bodenstörung zu höheren Aufprallgeschwindigkeiten führt. Auf diese Weise minimiert das Fehlen eines Dämpfers die Verlustenergie beim Level-Hopping, während der Einsatz des Dämpfers die Robustheit bei Bodenstörungsstufen verbessert. Diese automatische Ein-Aus-Steuerung war mit früheren Dämpferimplementierungen nicht möglich48,49, da die durch Reibung, Rheologie, Wirbelströme und Fluiddynamik erzeugte Dämpfung schwer vollständig auszuschalten ist37. Anstatt die Einstellung des nichtlinearen Dämpfungskoeffizienten zu optimieren, verfügt unser Mechanismus über einen festen Dämpfungskoeffizienten, nutzt jedoch eine lockere Sehne, um eine einstellbare Ein-Aus-Dämpfung zu erzeugen. Die vorgeschlagene lockere Sehne könnte auch zum gezielten Eingreifen von Federn verwendet werden. Daher bietet der abstimmbare Sehnenschlaffmechanismus einen neuen Mechanismus für adaptive nachgiebige Aktuatoranwendungen.

Neben der adaptiven Kraftabgabe der Dämpfung erwarten wir von der Einstellbarkeit der Dämpfung ein besseres Sprungverhalten, beispielsweise beim Übergang in neues Gelände. Wenn mit einem unebeneren Gelände zu rechnen ist, kann der Dämpferdurchgang entsprechend angepasst werden, um eine größere Robustheit gegenüber stärkeren Störungen zu erreichen. Dies erfordert einen Online-Slack-Tuning-Mechanismus und seine Feedback-Kontrollstrategie. Möglicherweise kann ein Feed-Forward-Regler ausreichen, um in einer unsicheren Umgebung einen äußerst robusten Betrieb zu erzielen50. Aufgrund der Hardware-Implementierung haben wir ein Online-Tuning-Design nicht gründlich untersucht. Dennoch demonstrieren die vier Dämpfer-Slack-Einstellungen den Proof-of-Concept der online abstimmbaren Dämpfung.

Wir erwägen, unser System in Zukunft um eine Steifigkeitsregelung zu erweitern. Abstimmbare Federkonstruktionen wurden ausführlich untersucht37, eine Kombination mit abstimmbarer Dämpfung ist jedoch selten. Eine Software-Online-Abstimmung von Steifigkeit und Dämpfung wurde realisiert51,52, basiert jedoch auf präziser Erfassung, Hochfrequenzsteuerung und starker Betätigung. Die Impedanzregelung mit virtueller Rückkopplung53,54 in Kombination mit physikalischen Federn und Dämpfern sorgt für Flexibilität bei der Softwaresteuerung und eine schnelle physikalische Reaktion5. Mit diesen Verbesserungen können wir problemlos Steuerungen und Hardware für eine vielseitige und robuste Fortbewegung in natürlichem Gelände wie Schotter implementieren.

Zusammenfassend zielt diese Arbeit darauf ab, den einstellbaren Dämpfungsmechanismus bei der Fortbewegung mit Beinen zu verstehen. Wir haben die Slack-Dämpfer-Strategie vorgeschlagen, die von der Muskel-Sehnen-Erschlaffung inspiriert ist, und sie beim Hüpfen mit Roboterbeinen getestet. Der Slack-Dämpfer-Mechanismus ermöglicht eine effektive, einstellbare Dämpfung hinsichtlich des Einschaltzeitpunkts, des Eingriffshubs und der Energiedissipation. Diese Studie liefert neue Einblicke in den Kompromiss zwischen Energetik und Robustheit bei verschiedenen Dämpfungsniveaus. Darüber hinaus ermöglicht das Slack-Dämpfer-Design eine störungsauslösende Dämpfung, wodurch der Kompromiss während der Fortbewegung mit unerwarteten Störungen gelöst wird. Unsere Ergebnisse könnten zukünftige Hardware- und Steuerungsdesigns für die Fortbewegung von Robotern inspirieren.

Das 3-segmentige Beindesign wurde von der Beinanatomie kleiner Vierbeiner von Säugetieren inspiriert und vereinfacht (Abb. 5a). Es bestand aus vier Gliedern, die eine Stromabnehmerstruktur bildeten (Abb. 5b). Eine an das Kniegelenk gekoppelte Feder und ein Dämpfer ahmten die passive Nachgiebigkeit der Quadrizepsmuskulatur nach. Der Gastrocnemius-Muskel und die Achillessehne wurden als starre Verbindung vereinfacht, um den Parameterraum zu reduzieren. Das Bein mit zwei Freiheitsgraden wurde vollständig durch zwei Motoren (Hüfte und Knie) betätigt. Die wichtigsten Designparameter finden Sie in den ergänzenden Materialien (Abb. S1 und Tabelle S1).

Das Bein wurde größtenteils aus handelsüblichen Komponenten und im 3D-Druck hergestellt (Abb. 5c). Die Hauptstrukturkomponenten wurden mit Polymilchsäure (PLA) 3D-gedruckt, mit Ausnahme des Fußsegments, das mit kohlenstofffaserverstärktem Nylon 3D-gedruckt wurde, um die Festigkeit und Schlagfestigkeit zu verbessern. Die Hüft- und Kniemotoren (MN7005-KV115, T-Motor, 1,3 Nm maximales Nenndrehmoment) wurden koaxial an der Hüfte platziert, um die Beinschwungträgheit zu reduzieren, wobei ein 5:1-Planetengetriebe (lgu35-s, Matex) zum Getriebe verwendet wurde sie nieder. Das Kniedrehmoment wurde durch einen Zahnriemen (SYNCHROFLEX 10/T5/390, Contitech) mit einer zusätzlichen Übersetzung von 25:12 übertragen. Wir haben zwei Kraftmessdosen (Modell 3134, Phidgets, 20 kg) an der Feder und dem Dämpfer montiert, um die Kräfte zu messen. Die Kniefeder (SWS14.5-15, MISUMI) wurde entwickelt, um das Bein im Stand zu halten. Es wurde empirisch ermittelt, dass seine Steifigkeit von 10,9 N/mm bei 10 % Beinlängenauslenkung das Dreifache des Körpergewichts des Roboters erzeugt55,56. Der Kniedämpfer (1210M, MISUMI) wurde aus unserer vorherigen Studie als effektivster Dämpfer ausgewählt38. Sowohl die Feder als auch der Dämpfer waren über Dyneema-Sehnen (Climax Combat Speed ​​250/150, Ockert) mit einem Nockenradius von 30 mm bzw. 20 mm an das Kniegelenk gekoppelt. Am Kolben des Dämpfers wurde eine Rolle (VMRA20-4, MISUMI) befestigt, um die Sehnenspannung („Muskelverlängerung“) bei der Kniebeugung in eine Druckbewegung auf den Dämpferkolben umzuwandeln. Das gesamte Bein wiegt 0,94 kg, bei einer Ruhebeinlänge von 31 cm.

Die Abstimmung eines einstellbaren Dämpfers beim Betrieb in einem System mit Beinen ist eine Herausforderung. Höhere Dämpfungseinstellungen führen dazu, dass der Dämpfer größere Kräfte erzeugt, was wiederum die Kolbenverschiebung verringern kann, was die prognostizierte Änderung der Verlustenergie beeinträchtigt38. Daher ist es schwierig vorherzusagen, wie sich die Einstellung der Öffnung des internen Dämpferventils auf die dissipierte Energie auswirkt. Anstatt die Kraft des Dämpfers durch Anpassen der Öffnungsgröße zu regulieren, schlagen wir eine Dämpfungssteuerung durch Anpassen des Dämpfersehnendurchhangs vor. In der Biologie wurde eine Erschlaffung der Sehne beobachtet, wobei die Sehne um bis zu 2 % der nominellen Sehnenlänge gedehnt wurde, bevor eine beträchtliche Kraft erzeugt wurde39,40,41. Im Spannungs-Dehnungs-Diagramm der Sehne wird dieser Bereich als „Zehenbereich“ bezeichnet.

Inspiriert durch diese Beobachtung stellten wir bei der Verbindung des Dämpfers mit der Knierolle eine definierte Sehnendurchhangslänge ein (Abb. 5d). Für unseren Mechanismus sind der Dämpferkörper und die Kraftmessdose mit einem Außen- bzw. Innengewinde versehen. Durch Einschrauben des Dämpferkörpers in die Wägezelle stellen wir die Position des Dämpfers mit einer Auflösung von ±1 mm pro Umdrehung ein. Das einstellbare Gewinde ermöglicht eine präzise Kontrolle des Durchhangs im Bereich von 0 bis 10 mm. Vor jedem Experiment arretieren wir den Dämpfer mit zwei Muttern, um eine Bewegung des Dämpferkörpers zu verhindern.

Dieser lockere Dämpfermechanismus ermöglichte eine einstellbare Dämpfung. Der Energieverlust des Dämpfers \(E_{Dämpfer}\), berechnet als Integration der Dämpferkraft \(F_{Dämpfer}\) und der Dämpferkolbenverschiebung x, kann aufgrund zweier gleichzeitiger Effekte durch den Sehnendurchhang s gesteuert werden (Gleichung ( 1)). Erstens: Wenn der Bodenaufprall das Bein beugt, verlangsamt die Parallelfeder die Beinbeugung. Gleichzeitig geht der Sehnendurchhang in die Sättigung, wodurch die Eingriffsbedingungen für den Dämpferkolben weicher werden (mehr Durchhang s \(\hat{=}\) weniger Dämpferkraft \(F_{Dämpfer}\)). Zweitens reduziert der Sehnendurchhang den effektiven Dämpferkolbenhub \(\Delta x\) (mehr Durchhang s \(\hat{=}\) weniger Kolbenhub \(\Delta x\)). Die Kombination dieser beiden Mechanismen – gemilderter (weniger \(F_{Dämpfer}\)) und verzögerter (weniger \(\Delta x\)) Dämpfereingriff – sagt eine umgekehrte Beziehung zwischen dem Sehnendurchhang s und der integrierten Energiedissipation des Dämpfers voraus. (E_{Dämpfer}\).

Wir haben zwei Versuchsaufbauten und drei Störungstypen entworfen, um das vorgeschlagene Design in vier Slack-Einstellungen zu bewerten.

Der vertikale Sprungaufbau (Abb. 5e) untersucht nur die vertikale Komponente der Fortbewegung. Ein solches Experiment reduzierter Ordnung reduzierte die Systemkomplexität und ermöglichte die Messung der Bodenreaktionskraft (GRF) in allen Schritten. Der Vorwärts-Hopping-Aufbau (Abb. 5f) fixierte das Bein an einer Auslegerstruktur, simulierte realistischere Fortbewegungsdynamiken und ermöglichte mehr Störungstypen.

Wir konzentrieren uns bei der Untersuchung auf die mechanische Reaktion, die durch die in das Beindesign eingebettete passive Dämpfung erzeugt wird. Daher haben wir eine Fortbewegungssteuerung mit offenem Regelkreis so konzipiert, dass sie keine Bodenstörungen erkennen kann. Wir haben drei Arten von Bodenstörungen getestet: Abwärtsstörung, die eine plötzliche, unerwartete Störung beim schnellen Laufen darstellt; kontinuierliche Störung, die raue Geländebedingungen simuliert, und Ramp-up-Step-down-Störung, die allmähliche und plötzliche Störungen kombiniert.

Wir haben für jede Testbedingung einen Dämpfersehnendurchhang von 10, 6, 3 und 0 mm getestet. Der Dämpfer rastete synchron mit der Feder in der 0-mm-Durchhangsstellung ein. Bei der Slack-Einstellung von 10 mm rastete der Dämpfer nie ein. Daher haben wir ein breites Spektrum möglicher Erschlaffungszustände untersucht, von vollständiger bis hin zu keiner Sehnenerschlaffung.

Beim vertikalen Hüpfaufbau (Abb. 5e) wurde die Hüfte des Roboterbeins an einer vertikalen Schiene (SVR-28, MISUMI) befestigt. Zur Messung der Bodenreaktionskraft beim Hüpfen wurde ein Kraftsensor (K3D60a, ME) verwendet. Die Abwärtsstörung wurde mithilfe eines 3D-gedruckten Blocks (PLA) und einer automatischen Blockentfernungsvorrichtung realisiert. Der Block wurde auf den Kraftsensor gelegt, um den Boden anzuheben. In den Block und die obere Platte des Kraftsensors wurden Magnete eingesetzt, um ein relatives Verrutschen während des Beinaufpralls zu verhindern. Bei der Blockentfernungsvorrichtung handelte es sich um einen Hebelarm, der von einem Servomotor (1235M, Power HD) betätigt wurde. Der Arm drückte den Block während der Luftphase eines Hüpfzyklus weg (Zusatzfilm S1). Dieses automatische Blockentfernungsgerät wurde benötigt, um den Störungsblock innerhalb der Luftsprungphase zuverlässig zu entfernen (200 ms in unseren Experimenten).

Der vertikale Sprungaufbau wurde wie folgt instrumentiert. Die Hüftposition wurde mit einem Linearencoder (AS5311, AMS) gemessen. Die Messwerte der Kraftmesszellen (Feder und Dämpfer) und der Bodenreaktionskraftsensoren wurden verstärkt (9326, Burster) und dann von einem Mikrocontroller (Due, Arduino) mit internem 12-Bit-ADC aufgezeichnet. Die Motorposition wurde mit einem 12-Bit-Drehgeber (AEAT8800-Q24, Broadcom) gemessen. Wir haben einen Open-Source-Motortreiber (Micro-Driver36) für die Motorsteuerung, Strommessung und Encoder-Lesung verwendet, der eine feldorientierte Doppelmotorsteuerung mit 10 kHz ausführt. Wir haben den Motortreiberstrom mit einem Stromsensor (ACS723T-AB, Allegro Microsystems) überwacht. Ein zweiter Mikrocontroller (Uno, Arduino) wurde implementiert, um den Servomotor für die automatische Blockentfernung zu steuern. Ein Einplatinencomputer (Raspberry Pi 4B) wurde verwendet, um alle Sensorwerte und Motorbefehle in 1 kHz zu zentralisieren und zu synchronisieren.

Wir haben einen Raibert-ähnlichen57-Open-Loop-Controller für vertikales Springen implementiert. Die Position der Hüfte wurde mit einem PD-Controller gesteuert, um eine vertikale Haltung beizubehalten. Das Knie wurde drehmomentgesteuert, um bei einem bestimmten Arbeitszyklus, typischerweise in der zweiten Hälfte der Standphase, ein definiertes Drehmoment zu erzeugen. Motorbefehle werden in den eingefügten Diagrammen in Abb. 5e dargestellt. Kontrollparameter für einen stabilen Hüpfgang wurden durch manuelle Abstimmung ermittelt, was zu einer Zykluszeit von 450 ms mit 100 ms Abstoßung des Kniemotors führte. Das Kniedrehmoment wurde für jede Einstellung des Dämpfersehnendurchhangs abgestimmt, um unter den getesteten Bedingungen die gleichen Sprunghöhen aufrechtzuerhalten (Ergänzungstabelle S2).

Wir haben zwei Störungsniveaus getestet: 31 mm und 47 mm, entsprechend 10 % bzw. 15 % der Beinlänge. Bei jedem Hüpfversuch hüpfte der Roboter 1 Minute lang. Wir haben zehn Schritte vor und nach der Störung analysiert. Jede Sprungbedingung wurde zehnmal wiederholt. Wir haben insgesamt 80 Versuche aufgezeichnet; zwei Störungen \(\times\) vier Slack-Einstellungen \(\times\) zehn Wiederholungen.

Beim Vorwärts-Hopping-Aufbau (Abb. 5f) war das Roboterbein an einem Ausleger in Viergelenkkonstruktion montiert. Diese Halterung erlaubt nur horizontale und vertikale Bewegungen in der Sagittalebene des Roboters. Die Länge des Auslegers betrug 1,613 m und die Verfahrstrecke einer vollständigen Umdrehung betrug etwa 10 m. Das Auslegerdesign ist frei verfügbar58.

Die Instrumentierung des Vorwärts-Hopping-Setups ähnelte der des vertikalen Hopping-Setups. Die Kraftmessung und die automatische Blockentfernungseinrichtung waren mit dem Gestängeaufbau nicht kompatibel und wurden entfernt. Alle anderen Sensoren blieben bestehen. Horizontale und vertikale Bewegungen des rotierenden Auslegers wurden mit zwei 11-Bit-Drehgebern (102-V, AMS) gemessen.

Die Vorwärtsbewegung des Roboterbeins haben wir mithilfe eines Feed-Forward-Central-Pattern-Generators (CPG) erzeugt. Bei den meisten Wirbeltieren tragen CPGs zur Steuerung rhythmischer Bewegungen59 bei, beispielsweise der Fortbewegung. Wir haben einen CPG-Controller für die Hüftwinkelbahn \(\theta _{hip}\) implementiert:

Dabei ist \(A_{hip}\) die Hüftwinkelamplitude, \(\Phi\) die Hüftwinkelphase, \(O_{hip}\) der Hüftwinkelversatz, \(D_{vir}\) die virtuelle Einschaltdauer Faktor als der Bruchteil der Zeit, in der sich das Bein vorwärts bewegt, und \(\phi\) die linear fortschreitende Phase des Oszillators. Der Kniemotor wurde drehmomentgesteuert, um im späten Stand eine Abstoßkraft zu erzeugen, wobei er einem festen Rechteckwellenmuster wie beim vertikalen Hüpfen mit der gleichen Frequenz wie der Hüft-CPG folgte. Die Motorbefehle sind in den Überlagerungsdiagrammen von Abb. 5f dargestellt. Um den Vergleich zu erleichtern, blieben die Kontrollparameter (Ergänzungstabelle S2) für alle Vorwärts-Hopping-Experimente gleich.

Um unebenes Gelände kontrolliert nachzubilden, haben wir 3D-gedruckte Gleise mit einem Sinusprofil entworfen (Abb. 5f). Die Rundstrecke wurde aus 3D-gedruckten Blöcken gebaut. Diese wurden seriell verbunden und mit Klebeband am Boden befestigt. Jeder Block ist 360 mm lang und 27 Blöcke passen auf den Umfang der Hüpfbahn. Ein einzelner, kürzerer Verbindungsblock wurde hinzugefügt (rot, Abb. 5f). Dieser Verbindungsblock verhindert, dass der Sprungzyklus durch das harmonische Störungsmuster des Geländes mitgerissen wird, z. B. durch wiederholtes Betreten der genauen Position einer Zykluslänge der Strecke. Wir haben zwei unebene Gelände getestet, wobei die Amplitude der sinusförmigen Störung 5 mm und 10 mm betrug. Darüber hinaus haben wir auch das Hüpfen im flachen Gelände getestet. Bei jedem Versuch führte der Roboter insgesamt sechs Umdrehungen durch. Wir haben die erste und die letzte Umdrehung aus den aufgezeichneten Daten herausgeschnitten und die verbleibenden vier Umdrehungen analysiert (60 Schritte pro Bedingung).

Darüber hinaus haben wir Ramp-Up-Step-Down-Störungen entwickelt, um das stabile Hüpfen während der Vorwärtsbewegung zu stören. Innerhalb des 10 m langen Hüpfwegs einer Revolution haben wir eine 3 m lange Schräge gebaut, damit das Roboterbein nach und nach aufsteigen und abspringen kann. Wir haben zwei Störungshöhen getestet: 47 mm und 93 mm, was 15 % bzw. 30 % der Beinlänge entspricht. Bei jedem Versuch führte das Roboterbein 12 Umdrehungen durch. Wir haben die erste und die letzte Umdrehung aus den aufgezeichneten Daten herausgeschnitten und die verbleibenden zehn Umdrehungen analysiert (150 Schritte pro Bedingung).

Übersicht über den Versuchsaufbau. (a) Unser Beindesign ist von der Beinanatomie der Vierbeiner von Säugetieren inspiriert. (b) Wir implementieren ein Pantograph-Beindesign mit Feder und Dämpfer, das die passive Nachgiebigkeit des Quadrizeps und eines biartikulären Segments darstellt und den Gastrocnemius-Muskel und die Achillessehne vereinfacht. (c) Die Darstellung des Beindesigns zeigt, dass das Kniegelenk mit der linearen Feder, der lineare Dämpfer über Sehnen und der Kniemotor über einen Zahnriemen gekoppelt sind. (d) Der Slack-Dämpfermechanismus wird durch die Gewindeverbindung zwischen dem Dämpfer und der Wägezelle realisiert. Durch Drehen des Dämpfers bewegt sich der Dämpfer auf und ab und ermöglicht so einen einstellbaren Sehnendurchhang. Das linke Diagramm zeigt die niedrigste Position des Dämpfers bei maximaler Sehnendurchhängung, und das rechte Diagramm zeigt die innere Mechanik des hydraulischen Dämpfers bei minimaler Sehnendurchhängung. (e) Beim vertikalen Hüpfaufbau wird das Roboterbein auf einem vertikalen Schieber befestigt, um die Abwärtsstörung zu testen, die durch Entfernen des Störungsblocks oben auf dem Kraftsensor eingeführt wird. Oben rechts zeigt ein Feed-Forward-Steuerungsmuster für die Hüftposition und das Kniedrehmoment. (f) Beim Vorwärts-Hopping-Setup wird das Roboterbein an einem Drehausleger befestigt, um die kontinuierliche Störung (im Foto) und die Ramp-Up-Step-Down-Störung (Zusatzfilm S3) zu testen. Oben rechts zeigt ein Feed-Forward-CPG-Steuerungsmuster für Hüftposition und Kniedrehmoment.

Die Daten zur Bodenreaktionskraft und zur vertikalen Position wurden für die vertikalen Hüpfexperimente mit einem Butterworth-Filter mit Nullverzögerung 4. Ordnung gefiltert. Die Kraftmesszellen wurden so kalibriert, dass sie nur bei Beinbeugung Kraftwerte ausgeben. Die Feder- und Dämpferkraftdaten wurden mithilfe eines gleitenden Durchschnittsfilters mit einer Filterspanne von 5 Proben geglättet. Die Ausleger-Encoder-Daten wurden für die Vorwärts-Hopping-Experimente mit einem Butterworth-Filter 4. Ordnung ohne Verzögerung gefiltert. Die Grenzfrequenzen (9–19 Hz) des Butterworth-Filters wurden durch Restanalyse60 bestimmt.

Die Wiederherstellungsschritte im vertikalen Sprungexperiment wurden berechnet, indem zunächst die durchschnittliche Sprunghöhe vor der Störung als Referenzhöhe berechnet wurde (gepunktete Linien in Abb. 2f) und dann die Sprunghöhe nach der Störung ermittelt wurde, die sich mit der \(\pm 4\ %\) Grenze der Referenzhöhe21. Die Kosten des Hüpfens wurden berechnet, indem der elektrische Energieverbrauch \(E_{elec}\) eines Hüpfschritts auf die potentielle Gravitationsenergie des Systems am Scheitelpunkt normalisiert wurde.

Dabei ist m die Masse des Roboters, g die Gravitationsbeschleunigung und \(h_{apex}\) die Position der Scheitelhöhe.

Wir haben zwei Messungen definiert, um die Robustheit des Vorwärtsspringens nach der Ramp-Up-Step-Down-Störung zu bewerten. Die Wiederherstellungsschritte wurden als die Anzahl der Schritte definiert, die das Roboterbein benötigt, um sein stabiles Hüpfen nach der Abwärtsstörung wiederherzustellen. Diese Metrik quantifizierte, wie schnell sich das Robotersystem von Störungen erholen kann, und wurde durch visuelle Inspektion der Videoaufzeichnungen und kinematischen Daten gemessen. Die Ausfallschrittmetrik quantifizierte die Anzahl der Ausfälle nach Anwendung einer Störung. Aus den Videoaufzeichnungen haben wir zwei Fehlermodi identifiziert: Das Roboterbein könnte nach der Störung verrutschen oder stehen bleiben (Zusatzfilm S3). Die Anzahl der Ausfälle wurde anhand der Videoaufzeichnungen visuell gezählt. Der CoT wurde anhand des elektrischen Energieverbrauchs pro zurückgelegter Strecke d, normalisiert durch das Robotergewicht, berechnet.

Alle Daten wurden mit Matlab (R2021b, MathWorks) verarbeitet.

Alle zur Bewertung der Schlussfolgerungen des Papiers erforderlichen Daten sind im Papier oder in den Zusatzinformationen verfügbar. Weitere Daten und das computergestützte Designmodell des Roboterbeins sind unter https://doi.org/10.1038/s41598-023-30318-3 verfügbar.

Mehr, HL et al. Skalierung der sensomotorischen Kontrolle bei Landsäugetieren. Proz. R. Soc. B: Biol. Wissenschaft. 277, 3563–3568. https://doi.org/10.1098/rspb.2010.0898 (2010).

Artikel Google Scholar

Gordon, JC, Holt, NC, Biewener, A. & Daley, MA Die Abstimmung der Feedforward-Kontrolle ermöglicht eine stabile Kraft-Längen-Dynamik der Muskeln nach dem Verlust des autogenen propriozeptiven Feedbacks. eLife9, e53908. https://doi.org/10.7554/eLife.53908 (2020).

More, HL & Donelan, JM Skalierung sensomotorischer Verzögerungen bei Landsäugetieren. Proz. R. Soc. B 285, 20180613. https://doi.org/10.1098/rspb.2018.0613 (2018).

Artikel PubMed PubMed Central Google Scholar

Kamska, V., Daley, M. & Badri-Spröwitz, A. 3D-Anatomie des lumbosakralen Spinalkanals der Wachtel – Auswirkungen auf die mutmaßliche mechanosensorische Funktion. Integr. Org. Biol. 2, 1. https://doi.org/10.1093/iob/obaa037 (2020).

Artikel Google Scholar

Ashtiani, MS, Aghamaleki Sarvestani, A. & Badri-Spröwitz, A. Hybride parallele Compliance ermöglicht es Robotern, mit sensomotorischen Verzögerungen und niedrigen Steuerfrequenzen zu arbeiten. Vorderseite. Roboter. AI 170, 1. https://doi.org/10.3389/frobt.2021.645748 (2021).

Artikel Google Scholar

Loeb, GE, Brown, IE & Cheng, EJ Eine hierarchische Grundlage für Modelle der sensomotorischen Kontrolle. Exp. Gehirnres. 126, 1–18. https://doi.org/10.1007/s002210050712 (1999).

Artikel CAS PubMed Google Scholar

Wagner, H. & Blickhan, R. Stabilisierende Funktion der Skelettmuskulatur: Eine analytische Untersuchung. J. Theor. Biol. 199, 163–179. https://doi.org/10.1006/jtbi.1999.0949 (1999).

Artikel ADS CAS PubMed Google Scholar

Grillner, S. Die Rolle der Muskelsteifheit bei der Erfüllung der sich ändernden Haltungs- und Bewegungsanforderungen für die Kraftentwicklung durch die Knöchelstrecker. Acta Physiol. Scan. 86, 92–108. https://doi.org/10.1111/j.1748-1716.1972.tb00227.x (1972).

Artikel CAS PubMed Google Scholar

Daley, MA, Voloshina, A. & Biewener, AA Die Rolle der intrinsischen Muskelmechanik bei der neuromuskulären Kontrolle des stabilen Laufens beim Perlhuhn. J. Physiol. 587, 2693–2707. https://doi.org/10.1113/jphysiol.2009.171017 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Brown, IE, Scott, SH & Loeb, GE Preflexes – Programmierbare intrinsische Reaktionen mit hoher Verstärkung und ohne Verzögerung bei gestörten Muskel-Skelett-Systemen. Soc. Neurosci. Abst. 21, 562 (1995).

Google Scholar

Brown, IE & Loeb, GE Ein reduktionistischer Ansatz zur Erstellung und Verwendung neuromuskuloskelettaler Modelle. In Biomechanik und neuronale Kontrolle von Haltung und Bewegung, 148–163. https://doi.org/10.1007/978-1-4612-2104-3_10 (Springer, 2000).

Alexander, R., Maloiy, G., Ker, R., Jayes, A. & Warui, C. Die Rolle der Sehnenelastizität bei der Fortbewegung des Kamels (Camelus dromedarius). J. Zool. 198, 293–313. https://doi.org/10.1111/j.1469-7998.1982.tb02077.x (1982).

Artikel Google Scholar

Alexander, RM Energiesparmechanismen beim Gehen und Laufen. J. Exp. Biol. 160, 55–69. https://doi.org/10.1242/jeb.160.1.55 (1991).

Artikel CAS PubMed Google Scholar

Hof, AL Auswirkungen der Muskelelastizität beim Gehen und Laufen. In Multiple Muscle Systems, 591–607. https://doi.org/10.1007/978-1-4613-9030-5_38 (Springer New York, New York, NY, 1990).

Biewener, AA & Roberts, TJ Muskel- und Sehnenbeiträge zu Kraft-, Arbeits- und elastischen Energieeinsparungen: eine vergleichende Perspektive. Übung. Sportwissenschaft. Rev. 28, 99–107 (2000).

CAS PubMed Google Scholar

Robertson, BD & Sawicki, GS Ausnutzung der Elastizität: Modellierung des Einflusses neuronaler Kontrolle auf die Mechanik und Energie der Knöchelmuskelsehnen beim menschlichen Hüpfen. J. Theor. Biol. 353, 121–132. https://doi.org/10.1016/j.jtbi.2014.03.010 (2014).

Artikel ADS PubMed MATH Google Scholar

Roberts, TJ & Azizi, E. Der reihenelastische Stoßdämpfer: Sehnen schwächen die Muskelkraft bei exzentrischen Aktionen. J. Appl. Physiol. (Bethesda, Md.: 1985)109, 396–404. https://doi.org/10.1152/japplphysiol.01272.2009 (2010).

Spröwitz, A. et al. Auf dem Weg zur dynamischen Fortbewegung im Trab: Design, Steuerung und Experimente mit Cheetah-Cub, einem nachgiebigen vierbeinigen Roboter. Int. J. Roboter. Res. 32, 932–950. https://doi.org/10.1177/0278364913489205 (2013).

Artikel Google Scholar

Grizzle, J., Hurst, J., Morris, B., Park, H.-W. & Sreenath, K. MABEL, ein neuer robotischer zweibeiniger Geher und Läufer. Im Jahr 2009 American Control Conference, 2030–2036, https://doi.org/10.1109/ACC.2009.5160550 (IEEE, 2009).

Hubicki, C. et al. Atrias: Entwurf und Validierung eines 3D-fähigen, schnurlosen, zweibeinigen Roboters mit Federmasse. Int. J. Roboter. Res. 35, 1497–1521. https://doi.org/10.1177/0278364916648388 (2016).

Artikel Google Scholar

Zhao, G., Mohseni, O., Murcia, M., Seyfarth, A. & Sharbafi, MA Erforschung der Auswirkungen serieller und paralleler Elastizität auf einen hüpfenden Roboter. Vorderseite. Neurorobot.https://doi.org/10.3389/fnbot.2022.919830 (2022).

Artikel PubMed PubMed Central Google Scholar

Müller, R., Tschiesche, K. & Blickhan, R. Kinetische und kinematische Anpassungen beim gestörten Gehen über sichtbare und getarnte Bodenabsenkungen. J. Biomech. 47, 2286–2291. https://doi.org/10.1016/j.jbiomech.2014.04.041 (2014).

Artikel PubMed Google Scholar

Haeufle, DFB, Günther, M., Wunner, G. & Schmitt, S. Quantifizierung des Kontrollaufwands biologischer und technischer Bewegungen: Ein auf Informationsentropie basierender Ansatz. Physik. Rev. E 89, 012716. https://doi.org/10.1103/PhysRevE.89.012716 (2014).

Artikel ADS CAS Google Scholar

Shen, Z. & Seipel, J. Ein grundlegender Mechanismus der Beinbewegung mit Hüftdrehmoment und Beindämpfung. Bioinspir. Biomime. 7, 046010. https://doi.org/10.1088/1748-3182/7/4/046010 (2012).

Artikel ADS CAS Google Scholar

Secer, G. & Saranli, U. Kontrolle des Monopedallaufs durch abstimmbare Dämpfung. Im Jahr 2013 21. Signalverarbeitungs- und Kommunikationsanwendungskonferenz (SIU), 1–4. https://doi.org/10.1109/SIU.2013.6531557 (IEEE, 2013).

Abraham, I., Shen, Z. & Seipel, J. Ein nichtlineares Beindämpfungsmodell zur Vorhersage von Laufkräften und Stabilität. J. Comput. Nichtlineare Dyn. 10, 1. https://doi.org/10.1115/1.4028751 (2015).

Artikel Google Scholar

Haeufle, DFB, Grimmer, S. & Seyfarth, A. Die Rolle intrinsischer Muskeleigenschaften für stabiles Hüpfen – Stabilität wird durch die Kraft-Geschwindigkeits-Beziehung erreicht. Bioinspir. Biomime. 5, 016004. https://doi.org/10.1088/1748-3182/5/1/016004 (2010).

Artikel ADS CAS Google Scholar

Kalveram, KT, Haeufle, DFB, Seyfarth, A. & Grimmer, S. Energiemanagement, das bei Mensch und Maschine eine Geländeverfolgung im Vergleich zu einem apexerhaltenden Hüpfen erzeugt. Biol. Cybern. 106, 1–13. https://doi.org/10.1007/s00422-012-0476-8 (2012).

Artikel PubMed Google Scholar

Günther, M. & Schmitt, S. Ein makroskopischer Ansatz zur Ableitung der Hill-Relation. J. Theor. Biol. 263, 407–18. https://doi.org/10.1016/j.jtbi.2009.12.027 (2010).

Artikel ADS MathSciNet PubMed MATH Google Scholar

Monteleone, S., Negrello, F., Catalano, MG, Garabini, M. & Grioli, G. Dämpfung bei nachgiebiger Betätigung: Eine Rezension. IEEE-Roboter. Automatisierung. Mag. 29, 47–6 https://doi.org/10.1109/MRA.2021.3138388 (2022).

Artikel Google Scholar

Candan, S. Ş., Karagöz, OK, Yazıcıoğlu, Y. & Saranlı, U. Entwurf eines parallelen elastischen Trichters mit einem Wickelnockenmechanismus und einer schablonenbasierten, praktisch einstellbaren Dämpfungssteuerung. In Dynamic Systems and Control Conference, vol. 84270, V001T05A009. https://doi.org/10.1115/DSCC2020-3278 (American Society of Mechanical Engineers, 2020).

Seok, S. et al. Designprinzipien für eine energieeffiziente Fortbewegung auf Beinen und Umsetzung am Mit-Cheetah-Roboter. IEEE/ASME Trans. Mechatron. 20, 1117–1129. https://doi.org/10.1109/TMECH.2014.2339013 (2015).

Artikel Google Scholar

Hutter, M. et al. Starleth: Ein nachgiebiger Vierbeinerroboter für schnelle, effiziente und vielseitige Fortbewegung. In Adaptive Mobile Robotics, 483–490, https://doi.org/10.1142/9789814415958_0062 (World Scientific, 2012).

Havoutis, I., Semini, C., Buchli, J. & Caldwell, DG Vierbeiniger Trab mit aktiver Compliance. Im Jahr 2013 IEEE International Conference on Mechatronics (ICM), 610–616, https://doi.org/10.1109/ICMECH.2013.6519112 (IEEE, 2013).

Kalouche, S. Goat: Ein auf Beinen basierender Roboter mit 3D-Agilität und virtueller Compliance. Im Jahr 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 4110–4117. https://doi.org/10.1109/IROS.2017.8206269 (2017).

Grimminger, F. et al. Eine offene kraftgesteuerte modulare Roboterarchitektur für die Beinbewegungsforschung. Der IEEE-Roboter. Autom. Lett.https://doi.org/10.1109/LRA.2020.2976639 (2020).

Vanderborght, B. et al. Aktuatoren mit variabler Impedanz: Ein Rückblick. Roboter. Auton. Syst. 61, 1601–1614. https://doi.org/10.1016/j.robot.2013.06.009 (2013).

Artikel Google Scholar

Mo, A., Izzi, F., Haeufle, DF & Badri-Spröwitz, A. Effektive viskose Dämpfung ermöglicht morphologische Berechnungen bei der Fortbewegung mit Beinen. Vorderseite. Roboter. AI 7, 110. https://doi.org/10.3389/frobt.2020.00110 (2020).

Artikel PubMed PubMed Central Google Scholar

Robi, K., Jakob, N., Matevz, K. & Matjaz, V. Die Physiologie von Sportverletzungen und Reparaturprozessen. Aktuelle Fragen der Sport- und Bewegungsmedizin 43–86, https://doi.org/10.5772/54234 (2013).

Heers, AM, Rankin, JW & Hutchinson, JR Einen Vogel bauen: Muskel-Skelett-Modellierung und Simulation des flügelunterstützten Steigungslaufs während der Vogelontogenese. Vorderseite. Bioeng. Biotechnologie. 6, 140. https://doi.org/10.3389/fbioe.2018.00140 (2018).

Artikel PubMed PubMed Central Google Scholar

Badri-Spröwitz, A., Aghamaleki Sarvestani, A., Sitti, M. & Daley, MA Birdbot erreicht einen energieeffizienten Gang mit minimaler Kontrolle durch die von Vögeln inspirierte Beinumklammerung. Wissenschaft. Robot.7, eabg4055. https://doi.org/10.1126/scirobotics.abg4055 (2022).

Tucker, VA Die energetischen Kosten der Fortbewegung: Gehen und Laufen sind äußerst ineffiziente Formen der Fortbewegung. Viel größere Effizienz erreichen Vögel, Fische und Radfahrer. Bin. Sci.63, 413–419 (1975).

Faisal, AA, Selen, LP & Wolpert, DM Lärm im Nervensystem. Nat. Rev. Neurosci. 9, 292–303. https://doi.org/10.1038/nrn2258 (2008).

Artikel CAS PubMed PubMed Central Google Scholar

Eliasmith, C. & Anderson, CH Neural Engineering: Computation, Representation, and Dynamics in Neurobiological Systems (MIT Press, 2003).

Heim, S., Millard, M., Le Mouel, C. & Badri-Spröwitz, A. Ein wenig Dämpfung reicht weit: eine Simulationsstudie darüber, wie Dämpfung die Stabilität auf Aufgabenebene beim Laufen beeinflusst. Biol. Lassen. 16, 20200467. https://doi.org/10.1098/rsbl.2020.0467 (2020).

Artikel Google Scholar

Wilson, AM, McGuigan, MP, Su, A. & Van den Bogert, AJ Pferde dämpfen die Feder in ihrem Schritt. Natur 414, 895–899 (2001).

Artikel ADS CAS PubMed Google Scholar

Cham, JG & Cutkosky, MR Dynamische Stabilität des Open-Loop-Hoppings. J. Dyn. Syst. Mess. Kontr. 129, 275–284. https://doi.org/10.1115/1.2718237 (2006).

Artikel Google Scholar

Garcia, E., Arevalo, JC, Munoz, G. & Gonzalez-de Santos, P. Kombination von reihenelastischer Betätigung und magnetorheologischer Dämpfung zur Steuerung agiler Fortbewegung. Roboter. Autonom. Syst.59, 827–839, https://doi.org/10.1016/j.robot.2011.06.006 (2011).

Arelekatti, VNM, Petelina, NT, Johnson, WB, Major, MJ & Winter V, AG Entwurf eines Vierstangen-Verriegelungsmechanismus und eines scherbasierten rotierenden Viskosedämpfers für einachsige Knieprothesen. J. Mech. Robot.14, 1. https://doi.org/10.1115/1.4052804 (2021).

Wu, A. & Geyer, H. Das 3D-Feder-Masse-Modell offenbart eine zeitbasierte Deadbeat-Steuerung für äußerst robustes Laufen und Lenken in unsicheren Umgebungen. IEEE Trans. Rauben. 29, 1114–1124. https://doi.org/10.1109/TRO.2013.2263718 (2013).

Artikel Google Scholar

Huerta, CV, Xiong, X., Billeschou, P. & Manoonpong, P. Adaptive neuromechanische Steuerung für robustes Verhalten bioinspirierter Laufroboter. In Neural Information Processing: 27. Internationale Konferenz, ICONIP 2020, Bangkok, Thailand, 23.–27. November 2020, Proceedings, Teil II 27, 775–786, https://doi.org/10.1007/978-3-030-63833 -7_65 (Springer, 2020).

Roberts, S. & Koditschek, DE Minderung des Energieverlusts bei einem Roboter, der auf einem physikalisch emulierten dissipativen Substrat hüpft. Im Jahr 2019 International Conference on Robotics and Automation (ICRA), 6763–6769, ICRA.2019.8793781 (IEEE, 2019).

Bogdanovic, M., Khadiv, M. & Righetti, L. Erlernen der variablen Impedanzsteuerung für kontaktempfindliche Aufgaben. IEEE-Roboter. Autom. Lette. 5, 6129–6136. https://doi.org/10.1109/LRA.2020.3011379 (2020).

Artikel Google Scholar

Xiong, X. & Manoonpong, P. Adaptive Motorsteuerung für menschenähnliche räumlich-zeitliche Anpassung. Im Jahr 2018 IEEE International Conference on Robotics and Biomimetics (ROBIO), 2107–2112, https://doi.org/10.1109/ROBIO.2018.8665222 (IEEE, 2018).

Bobbert, MF, Yeadon, MR & Nigg, BM Mechanische Analyse der Landephase beim Fersen-Zehen-Lauf. J. Biomech. 25, 223–234. https://doi.org/10.1016/0021-9290(92)90022-S (1992).

Artikel CAS PubMed Google Scholar

Walter, RM & Carrier, DR Bodentruppen werden von galoppierenden Hunden eingesetzt. J. Exp. Biol. 210, 208–216. https://doi.org/10.1242/jeb.02645 (2007).

Artikel PubMed Google Scholar

Raibert, M. Roboter mit Beinen, die das Gleichgewicht halten. Reihe „Künstliche Intelligenz“ (MIT Press, 1986).

Ruppert, F., Aghamaleki Sarvestani, A., Heim, S., Mo, A. & Badri-Spröwitz, A. Instrumentierter Ausleger, CAD-Daten. https://doi.org/10.17617/3.RSO2AG (2022).

Ijspeert, AJ, Crespi, A., Ryczko, D. & Cabelguen, J.-M. Vom Schwimmen bis zum Gehen mit einem Salamander-Roboter, der von einem Rückenmarksmodell angetrieben wird. Wissenschaft 315, 1416–1420. https://doi.org/10.1126/science.1138353 (2007).

Artikel ADS CAS PubMed Google Scholar

Winter, D. Biomechanik und motorische Kontrolle menschlicher Bewegung (Wiley, 2009).

Referenzen herunterladen

Die Autoren danken der International Max Planck Research School for Intelligent Systems (IMPRS-IS) für die Unterstützung von An Mo, Fabio Izzi, Emre Cemal Gönen und dem China Scholarship Council (CSC) für die Unterstützung von An Mo. Die Autoren danken Felix Ruppert und Alborz Aghamaleki Sarvestani für die Unterstützung bei der Roboterentwicklung. Die Autoren danken außerdem Prof. Syn Schmitt und Prof. Martin Giese für die anregenden Diskussionen zum Projekt.

Open-Access-Förderung ermöglicht und organisiert durch Projekt DEAL. Diese Arbeit wurde gefördert durch die Deutsche Forschungsgemeinschaft (DFG) - 449912641, HA 7170/3.

Dynamic Locomotion Group, Max-Planck-Institut für Intelligente Systeme, 70569, Stuttgart, Deutschland

An Mo, Fabio Izzi, Emre Cemal Gonen & Alexander Badri-Spröwitz

Hertie-Institut für klinische Hirnforschung und Zentrum für Integrative Neurowissenschaften, Universität Tübingen, 72076, Tübingen, Deutschland

Fabio Izzi & Daniel Häufle

Institut für Modellierung und Simulation biomechanischer Systeme, Computational Biophysics und Biorobotik, Universität Stuttgart, 70569, Stuttgart, Deutschland

Daniel Häufle

Fakultät für Maschinenbau, KU Leuven, 3001, Leuven, Belgien

Alexander Badri-Spröwitz

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

AM, FI, DH und AB-S. konzipierte das Projekt, AM, DH und AB-S. konzipierte die Experimente, AM entwarf und implementierte den Roboter und die Versuchsaufbauten, AM und ECG führten Experimente durch und analysierten die Daten, alle Autoren interpretierten und diskutierten die Daten, AM, FI und ECG erstellten das Manuskript, alle Autoren überprüften das Manuskript.

Korrespondenz mit An Mo.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Ergänzende Informationen 2.

Ergänzende Informationen 3.

Ergänzende Informationen 4.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Mo, A., Izzi, F., Gönen, EC et al. Eine auf Slack basierende, abstimmbare Dämpfung führt zu einem Kompromiss zwischen Robustheit und Effizienz bei der Fortbewegung auf Beinen. Sci Rep 13, 3290 (2023). https://doi.org/10.1038/s41598-023-30318-3

Zitat herunterladen

Eingegangen: 08. Dezember 2022

Angenommen: 20. Februar 2023

Veröffentlicht: 25. Februar 2023

DOI: https://doi.org/10.1038/s41598-023-30318-3

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.