Please use this identifier to cite or link to this item: https://nbn-resolving.org/urn:nbn:de:hbz:467-2235
Files in This Item:
File Description SizeFormat
manoonpong.pdf12,81 MBAdobe PDFThumbnail
View/Open
Dokument Type: Doctoral Thesis
Title: Neural preprocessing and control of reactive walking machines
Authors: Manoonpong, Poramate 
Institute: Fachbereich 12, Elektrotechnik und Informatik 
Free keywords: autonome Roboter, Laufmaschinen, rekurrente neuronale Netze
Dewey Decimal Classification: 620 Ingenieurwissenschaften und Maschinenbau
GHBS-Clases: XRWF
Issue Date: 2006
Publish Date: 2006
Abstract: 
Research in the domain of biologically inspired walking machines has focused
for the most part on the mechanical designs and locomotion control.
Although some of this research has been concentrated on the generation of
a reactive behavior of walking machines, it has been restricted only to a few
of such reactive behaviors. However, from this research, there are only few
examples where different behaviors have been implemented in one machine
at the same time. In general, these walking machines were solely designed
for pure locomotion, i.e. without sensing environmental stimuli.

Therefore, in this thesis, biologically inspired walking machines with different
reactive behaviors are presented. Inspired by obstacle avoidance and
escape behavior of scorpions and cockroaches, such behavior is implemented
in the walking machines as a negative tropism. On the other hand, a sound
induced behavior called “sound tropism”, in analogy to the prey capture behavior
of spiders, is employed as a model of a positive tropism. The biological
sensing systems which those animals use to trigger the described behaviors
are investigated so that they can be reproduced in the abstract form with
respect to their principle functionalities. In addition, the morphologies of
a salamander and a cockroach which are designed for efficient locomotion
are also taken into account for the leg and trunk designs of the four- and
six-legged walking machines, respectively.

Different behavior controls for generating the biologically inspired reactive
behaviors are developed on the basis of a modular neural structure. Each
behavior control consists of a neural preprocessing module and a neural control
module. Preprocessing is for sensory signals while the neural control
generates basic locomotion and changes the appropriate motions, e.g. turning
left, right or walking backward, with respect to sensory signals. Neural
preprocessing and control are formed by realizing discrete-time dynamical
properties of recurrent neural networks. Parts of the networks are generated
and optimized by using an evolutionary algorithm. Utilizing the modular
neural structure, the coupling of the neural control module with different
neural preprocessing modules leads to the desired behavior controllers, e.g.
obstacle avoidance and sound tropism. Furthermore, these behavior controllers
are then fused by using a sensor fusion technique consisting of lookup
table and time scheduling methods to obtain an effective behavior fusion
controller, whereby different neural preprocessing modules have to cooperate.

Eventually, all of these reactive behavior controllers together with the
physical sensor systems are implemented on the physical walking machines
to be tested in a real world environment. The fully equipped walking machines
can be seen as artificial perception-action systems. As a result, the
walking machine(s) is able to respond to environmental stimuli, e.g. wandering
around, sound tropism (positive tropism), avoiding obstacles and even
escaping from corners as well as deadlock situations (negative tropism). The
developed controller is universal in the sense that it can be implemented
on different types of walking machines, e.g. four- and six-legged walking
machines, giving comparably good results without changing parameters.

Im Bereich biologisch inspirierter Laufmaschinen konzentrierte sich die Forschung
meist auf die reine Bewegungskontrolle sowie das mechanische Design.
Obwohl ein Teil dieser Forschung sich auch mit der Erzeugung reaktiver
Verhaltensweisen von Robotern beschäftigte, war dies auf einige wenige
reaktive Verhaltensweisen beschränkt; und zwar war auf einem Roboter nur
jeweils eine Verhaltensweise implementiert. Es gibt nur wenige Ansätze, die
sich mit der Erzeugung mehrerer reaktiver Verhaltensweisen einer Maschine
gleichzeitig beschäftigen. Im Allgemeinen wurden Laufmaschinen nur zum
Zwecke der reinen Fortbewegung konzipiert, d.h. ohne dass sie ihre Umgebung
wahrnehmen konnten.

Diese Arbeit stellt biologisch inspirierte Laufmaschinen vor, welche mehrere
verschiedene reaktive Verhaltensweisen zeigen. Inspiriert vom Hindernisvermeidungs-
und Fluchtverhalten der Skorpione und Kakerlaken wird ein solches
Verhalten in der Laufmaschine mittels eines negativen Tropismus erzeugt.
Andererseits wird ein akustisch motiviertes Verhalten, ein sog. “akustischer
Tropismus” (Sound Tropism), in Analogie zum Jagdverhalten von Spinnen,
als Beispiel eines positiven Tropismus angewendet. Um die oben beschriebenen
Verhalten in abstrahierter Weise reproduzieren zu können, wird außerdem
der biologische Wahrnehmungsapparat der genannten Tiere im Hinblick
auf ihre prinzipielle Funktionalität untersucht. Zusätzlich werden die Morphologien
von Salamander und Kakerlake, welche für effiziente Bewegung
gebaut sind, für die Bein- und Körpergestaltung in Betracht gezogen.

Basierend auf einem modularen neuronalen Modell werden verschiedene
Verhaltenskontroller für die Erzeugung biologisch inspirierter reaktiver Verhaltensweisen
entwickelt. Jede Verhaltenskontrolle besteht aus neuronalen
Signal-Vorverarbeitungseinheiten und Kontrollmodulen. Für die Vorverarbeitung
sensorischer Signale werden rekurrente neuronale Netze genutzt, ebenso
wie für die Kontrolle und die Erzeugung von Laufbewegungen, sowie der
Änderung der Bewegung, z.B. Drehung nach rechts, links oder rückwärts, in
Abhängigkeit von Sensorsignalen. Die effektive neuronale Verarbeitung und
Kontrolle wird erreicht durch Ausnutzung der dynamisschen Eigenschaften
der rekurrenten neuronalen Netze, die zum Teil durch evolutionäre Algorithmen
konstruiert bzw. optimiert wurden. Den modularen Aufbau nutzend
führt eine Kombination der verschiedenen neuronalen Verarbeitungseinheiten
zu den gewünschten Verhaltenssteuerungen. Des weiteren werden diese Verhaltenssteuerungen
zusammengeführt mittels einer Sensor-Fusions-Technik,
welche aus Tabellen- und “Time-Scheduling” -Methoden besteht. Damit
entsteht letztlich eine neue effektive verhaltenfusionierte Steuerung, die sich
auf verschiedenste Laufmaschinen übertragen läßt.

Abschließend werden alle diese reaktiven Verhaltenssteuerungen zusammen
mit einem Sensorsystem in physikalischen Laufmaschinen implementiert,
um sie zu testen und als künstliche Perzeptions-Aktions-Maschine zu
demonstrieren. Es wird gezeigt, dass die Laufmaschinen in der Lage sind in
der Umgebung umherzuwandern und auf Reize der Umgebung zu reagieren,
z.B. durch akustischen Tropismus (positiver Tropismus), durch Hindernisvermeidung
und sogar durch Entkommen aus Ecken und Sackgassen (negativer
Tropismus). Der entwickelte Kontroller ist universell in dem Sinne, dass
er auf Laufmaschinen mit unterschiedlicher Beinanzahl, hier vier und sechs
Beine, ohne Parameteranpassung mit vergleichbaren Ergebnissen implentiert
werden kann.
URN: urn:nbn:de:hbz:467-2235
urn:nbn:de:hbz:467-2235
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/223
License: https://dspace.ub.uni-siegen.de/static/license.txt
Appears in Collections:Hochschulschriften

This item is protected by original copyright

Show full item record

Page view(s)

166
checked on Oct 30, 2020

Download(s)

64
checked on Oct 30, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.