Das Absolvieren von visuomotorischen Handlungen ist eine typische aber auch hochkomplexe Aufgabe für humanoide Roboter. Obwohl die Rechenleistung von autonomen Robotersystemen rasant steigt, wurde in der Vergangenheit immer wieder die Mächtigkeit von einfachen Prinzipien unter Beweis gestellt. Die vorliegende Arbeit entwickelt problemspezifische Heuristiken, welche teilweise aus der Verhaltenspsychologie inspiriert sind, um vier ausgewählte visuomotorische Aufgaben aus einem etablierten entwicklungsdiagnostischen Test für Kinder zu absolvieren. Ein wesentlicher Anspruch liegt darin, die Entwicklung auf einem realen humanoiden Roboter umzusetzen. Da der eingesetzte Roboter über nur drei Freiheitsgrade je Arm verfügt, war es möglich, die beiden Freiheitsgrade in der Schulter über sensomotorische Schleifen direkt mit je einem visuellen sensorischen Kanal, der horizontalen und vertikalen Objektposition, zu koppeln. Das Ellenbogengelenk wurde bei ausgewählten Prozessen relaxiert, um über Umgebungsbeschränkungen durch die Umwelt geführt zu werden. Diese Verfahren arbeiten ohne Vorwissen wie explizite Modelle des Roboters oder der Umwelt. Während der Bewegungen optimiert der Roboter seine Handlungen selbst, indem er implizite Modelle in Form von Quadriken generiert, auswählt und optimiert; so wird begrenztes Wissen, wie etwa eine fehlende visuelle Abstandsschätzung, kompensiert. Genau wie der Mensch, optimiert der Roboter sein Handeln empirisch aus Fehlern, um seine Fähigkeiten zu verbessern. Die Erfahrungswerte werden in Form von Offsetkarten gespeichert und den jeweils gültigen Quadriken zugeordnet. Vorab wurden Komponenten der Recheneinheit des Roboters neu entwickelt, um eine effiziente und flexible Arbeit mit dem humanoiden Roboter zu ermöglichen. Mit dem Anspruch, die komplexen Verhaltensweisen mit einfachen heuristischen Prinzipien und ohne A-priori-Modelle auf einer realen Roboterplattform umzusetzen, liefert diese Arbeit einen relevanten Beitrag auf dem Forschungsgebiet der Hand-Auge-Koordination bei humanoiden Robotern.
Performing visuomotor actions is a common yet highly complex task for humanoid robots. Although computational power in autonomous robotic systems is rapidly increasing, the robustness and efficiency of simple principles remains and has been proven once again. Partly inspired by behavioral psychology, the present work develops task-specific heuristics to perform four selected visuomotor tasks adapted from an established developmental diagnostic test for children. A considerable ambition is to implement the development on a real humanoid robot. Because the two joints in each arm provide three degrees of freedom togehter, the two diemnsions of freedom in shoulder can be directly coupled to one visual sensory channel each, the horizontal and vertical object position, via sensorimotor loops. The elbow joint is relaxed for selected processes to enable the robot's movements to be guided by environmental constraints. This approach has the benefit of working without prior knowledge, i.e. explicit models of the robot or the environment. Later, the robot self-optimizes its actions by generating, selecting and optimizing implicit models in the form of quadrics to compensate for its limited knowledge, such as the lack of visual distance estimation. Analogous to humans, the robot empirically learns from mistakes to improve its skills over time. The empirical knowledge is stored in offset maps assigned to the currently valid quadrics. Parts of the robot's computing unit has been upgraded and further developed beforehand to support efficient and flexible work with the humanoid robotic system. With the ambition to implement complex behaviors in a real humanoid robot platform through simple heuristic principles and without predefined models, this work makes a substantial contribution to the field of hand-eye coordination of humanoid robots.
