KoopMotion: Lernende Flussfelder führen Roboter sicher zum Ziel

In einer neuen Studie wird ein innovatives Flussfeld-basiertes Bewegungsplanungsverfahren vorgestellt, das einen Roboter von jedem Startzustand zuverlässig zu einer gewünschten Referenztrajektorie führt und dabei das Endziel exakt erreicht. Das Verfahren nutzt die Koopman-Operator-Theorie, um dynamische Systeme zu modellieren, ergänzt diese jedoch um Divergenz‑Eigenschaften, die eine konvergente Bewegung zum Ziel garantieren – ein entscheidendes Merkmal, das bei herkömmlichen Lern-From‑Demonstration‑Ansätzen fehlt.

KoopMotion stellt die Flussfelder als dynamische Systeme dar, die durch Koopman‑Operatoren parametrisiert sind, um die Zieltrajektorie nachzuahmen. Durch die gezielte Steuerung der Divergenz entstehen sanfte Bewegungsfelder, die einen Roboter, der von der Trajektorie abweicht, zurückführen und anschließend die Trajektorie bis zum Endpunkt verfolgen. Die Methode wurde erfolgreich auf dem LASA‑Handschriftdatensatz sowie auf 3‑D‑Manipulator‑Endeffektor‑Trajektorien getestet und mit Spektralanalyse validiert.

Ein praktischer Test auf einem Miniatur‑Autonomous‑Surface‑Vehicle in einer nicht‑statischen Fluidströmung zeigte die Robustheit von KoopMotion in realen Umgebungen. Das Verfahren benötigt lediglich 3 % des LASA‑Datensatzes, um dichte Bewegungspläne zu erzeugen, und übertrifft bestehende Baselines deutlich in Bezug auf die Modellierung räumlicher und zeitlicher Dynamiken.