Nach Millionen von Jahren der Evolution kann der Mensch in komplexen Umgebungen Fortbewegungsaufgaben mit vielseitigen, robusten und effizienten zweibeinigen Gangarten ausführen. Ein Verständnis über die dafür nötige Fortbewegungskontrolle kann uns helfen, neuartige biologisch inspirierte Methoden zur Verbesserung von Robotern mit Beinen (z. B. Humanoide) und tragbaren robotischen Systemen für die untere Extremität (z.B. Prothesen, Exoskelette) zu entwickeln.

Diese Dissertation untersucht systematisch biologisch inspirierte Ansätze von den Konzepten bis zur Anwendung, um die menschliche Fortbewegung besser zu verstehen. Sie umfasst drei Hauptteile: biomechanische Studien zu menschlichen Experimenten, die Modellierung der menschlichen Fortbewegung und die Hardware-Implementierungen von biologisch inspirierten Konzepten.

Die biomechanischen Studien liefern Einblicke in die menschlichen Bewegungskontrollsysteme. Die Bewegungssteuerung des Menschen kann in drei motorische Unterfunktionen unterteilt werden: den Stand (axiale Beinfunktion), das Schwingen (rotatorische Beinfunktion) und das Gleichgewicht (Haltungssteuerung). In der Arbeit wird untersucht, wie diese Unterfunktionen miteinander interagieren, indem wir den Beitrag von Stand- und Schwungbeinbewegungen zur Gehdynamik analysierten. Die Ergebnisse zeigen einen Kopplungsmechanismus und synergistische Wechselwirkungen zwischen den Teilfunktionen. Weitere experimentellen Daten zur menschlichen Ganginitiierung (vom Stehen bis zum Gehen) zeigen, dass die Funktionen des Schwungbeins und die des Standbeins beim ersten Schritt des Standbeins auftreten. Zudem hat sich gezeigt, dass eine starke Korrelation in den Gelenken zwischen der Kontrolle in der Frontalebene und der Sagittalebene existiert. Alle diese Ergebnisse zeigen, dass die Unterstützung einer Unterfunktion Vorteile für die anderen bietet.

Inspiriert von den Ergebnissen früherer biomechanischer Studien haben wir Strategien zur Kontrolle des Gleichgewichts, auf biologisch inspirierter Basis, in ein Gang-Exoskelett für die unteren Extremitäten implementiert. Diese Hardware-Implementierungen werden verwendet, um die Vorteile von biologisch inspirierten Steuerungskonzepten zu validieren und zu demonstrieren. Die Ergebnisse zeigen, dass der implementierte biologisch inspirierte Gleichgewichts-Controller nicht nur die Schwung- und Standbeinfunktion unterstützen, sondern auch die Stoffwechselkosten senken und damit das menschliche Gehen unterstützen kann. Die Ergebnisse stützen auch die früheren biomechanischen Studien, die auf synergistische Wechselwirkungen zwischen den Teilfunktionen hindeuten. Darüber hinaus haben wir einen bioinspirierten neuromuskulären Reflex-basierten Controller in einen Hüpfroboter implementiert, um die potenziellen Vorteile der Muskeleigenschaften für die Standbeinfunktion (elastischer Rückstoß) zu untersuchen. Die Ergebnisse zeigen, dass der Roboter mit dem bioinspirierten Controller ein stabiles und robustes Hüpfen erreichen kann. Weitere Analysen zeigen, dass die neuromuskulären Eigenschaften eine wichtige Rolle bei der Stabilisierung der Bewegung spielen. Diese Ergebnisse deuten darauf hin, dass Gangmodelle, welche Muskeleigenschaften und eine reflexartige Steuerung beinhalten, die Fortbewegung des Menschen besser reproduzieren können.

Die Modellierung der menschlichen Fortbewegung hilft uns, die biologisch inspirierten Konzepte in der Simulation zu testen und die Schlüsselkomponenten der menschlichen Fortbewegungssteuerung aufzudecken. Hier haben wir auf Basis der bisherigen Erkenntnisse ein komplexes neuromuskuläres Gangmodell entwickelt, um ein personenspezifisches Gehverhalten zu erzeugen. Zur Erstellung der Kontrollrichtlinie (Sensor-Motor-Mappings), welche eine ähnliche Funktionalität wie die neuronalen Schaltkreise des menschlichen Rückenmarks aufweist, wurden Methoden des intensiven Verstärkungslernens (Deep reinforcement learning) verwendet. Die Ergebnisse zeigen, dass das Modell ein robustes Gehen erreichen und die Kinematik der Gelenke sowie die Aktivierung der Muskeln reproduzieren kann. Darüber hinaus haben wir auch festgestellt, dass die neuromuskuläre Dynamik das Lernen erleichtern kann. In Zukunft kann das vorgeschlagene Gangmodell verwendet werden, um optimale Steuerungsschemata für tragbare Roboter (z.B. Prothesen, Exoskelette) zu identifizieren.

Zusammenfassend wird in dieser Dissertation ein systematischer Ansatz vorgestellt, mit dem biologisch inspirierte Konzepte für die menschliche Fortbewegung durch experimentelle Studien zum menschlichen Gang, Simulationen und Hardwareimplementierungen untersucht werden. Der Hauptbeitrag dieser Arbeit besteht darin zu demonstrieren, wie die biologisch inspirierten Konzepte aus den experimentellen Daten des Menschen extrahiert, mit den Simulationsmodellen getestet und mit den Hardwaresystemen implementiert und validiert werden. Die Ergebnisse dieser Dissertation können als Rahmen für die Entwicklung neuartiger biologisch inspirierter Steuerungen zur Verbesserung der Funktionalität von Robotern mit Beinen (z.B. Humanoiden) und tragbaren Robotern (z. B. Prothesen, Exoskelette) verwendet werden.