Neural preprocessing and control of reactive walking machines

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.