Reinhard Kern

• Laufroboter gewinnen in einer Vielzahl von Anwendungsbereichen zunehmend an Relevanz. Dabei hängt ihre Einsatzfähigkeit maßgeblich von der Stabilität und Anpassungsfähigkeit ihrer Gangarten ab. Herkömmliche Regelungsstrategien sind jedoch nur begrenzt anpassungsfähig und stoßen in realen Umgebungen rasch an ihre Grenzen. Ziel der Arbeit ist die Entwicklung eines Simulationsmodells für einen Laufroboter. Dieses Modell soll die Bewegungsabläufe, Kraftwirkungen und Dynamik des Roboters realitätsnah abbilden. Mithilfe dieses Modells soll ein selbstlernender Regler trainiert werden, der die Beinbewegung des Roboters steuert. Dazu wird zunächst ein Teilmodell eines einzelnen Beins erstellt, um ein Gangmuster zu generieren. Daraufhin wird die Gangart des Modells mit einer klassisch berechneten Bewegungsbahn verglichen. Die Bewertung anhand der Bewegungsbahnen des Fußes zeigt, dass der Regler ohne vorgegebenes Gangschema realitätsnahe Bewegungen erzeugen, und auf veränderte Bedingungen eingehen kann. Dies bildet die Grundlage für die Übertragung und Erweiterung des Modells auf echte Laufroboter, die sowohl kommerziell als auch für Bildungs- und Forschungszwecke genutzt werden können.
• Legged mobile robots are becoming increasingly attractive for a wide range of modern applications where stability and adaptability are critical to their performance. However, conventional control strategies often have limited adaptability and reach their limits in real-world settings. The aim of this thesis is to develop a computer-based model of a legged robot that realistically represents its movement, the forces it exerts, and the dynamics of the overall system. This model is used to train a self-learning controller that subsequently controls the robot's movements. To achieve this, a single-leg model is used to generate a gait cycle. The model's gait is evaluated by comparing the generated motion with analytically defined reference trajectories. The evaluation, which includes foot trajectory, periodicity, reproducibility and stability, demonstrates the model's ability to autonomously generate robust motion patterns that adapt to changing environments. These findings pave the way for future implementation and further development of the model on real legged robots, both in commercial settings and in educational and research contexts.