 Okay, unser heutiger Vortrag hier im zweiten Sort des zweiten Blocks in Raum Eliza ist die Vorstellung des Projekts Hanna, will present the Project Hanna, an open Platform for Walking Robots. The project covers both hardware and software. I personally love robots and I'm looking forward to the talk. The people talking to you are Matthias Kubisch and Felix Just. Ich freue mich mit euch zusammen und lasst uns eine Runde Applaus spenden an unsere Letters. Give a hand to both of our speakers. Hallo, herzlich willkommen zu unserem Talk. Welcome to our talk. Kriegen wir Bild? Ja, darf man. Ah, it's your problem, much better. So, jetzt ein bisschen an, sie tippelt davor sich hin. So, she's talking, she's walking. Geht es, so groß? Geht so. Is it too big? Ja. Verzeihung, wir haben das klassischerweise nicht richtig vorher getestet. Wir haben es ein bisschen vorgetestet. Wir haben es ein bisschen getestet, aber nicht völlig. Test driven, talked. Das haben wir schon mal gesehen, dann machen wir das doch so. Dann siehst du das quasi hier gleich da auf dem Bildschirm. Das rechnen wir auch, wenn du mal bildst. Schau mal so. Genau, da tappelt sie vor sich hin. Sie wuchs. Sie wuchs über die Gehwegplatten zu kommen. Sie wuchs über die Kippenplates, which makes walking more difficult. Schwert. Ich schaff das. Wenn man nichts sieht, ist das blöd. Da auf dem Bildschirm sieht man nur die Hälfte. Sehr gut. On the below screen you can only see half. Willkommen zu unserem Talk. Welcome to our Talk. Wir sind Matthias und Felix. Wir wollen über unser Projekt Hanna berichten. We'll be describing Project Hanna. Wir sind aber nicht die einzigen, die sich damit beschäftigen. The only ones, there's five of us. Wir haben noch eine Chance, dass wir das hinkriegen. Ich kann trotzdem erzählen, die Namen kenne ich. I know the names. I can talk to you. Mario Lasek. Frau Scheunemann. Tom Lobig. Matthias and I. Ah, jetzt. Mario Lasek. Haben in den letzten zwei Jahren zusammen Supreme Machines gebundet. Wir haben das Logo von der Humboldt-Uni. Wir haben Matthias das Logo von der Universität. Er ist ein Studium für Naturkunde. Und das X-Hein-Logo, das ist mein Hackspace-Logo. Das ist mein Hackspace-Logo. Und Matthias will das mal in die Introduktion. Also unser Talk ist ein Hackspace-Logo. Und Matthias will das mal in die Introduction. Also unser Talk ist ein Hackspace-Logo. Und Matthias will das mal in die Introduction. Also unser Talk ist heute einmal über die Roboter-Hardware. Today we will be talking about the hardware and the design principle. Und da in der Hardware steckt natürlich auch Elektronik. Inside the hardware is some electronics, some mechanical components. Everything comes from us. Es geht ein bisschen auf die Firmware ein. And we will talk some about the firmware and how we are working on neural networks for the control. Our mission is to enable more people to work with four-legged robots to build them to try new ideas and to bring wonderful technologies forward that currently are visible in the internet, but we don't see them walking in the street. Some of us want this. And this is why we wish to offer a platform with which many people can experiment that is easy to assemble as affordable in pricing and so that people can learn with it and can develop ideas and bring the state of the art forward. We had a problem two years ago because we wanted to build robots. Because we had ideas what can be done with them. We wanted a pizza oven that delivers to your home that knows when the pizza is ready and delivers to your dorm just in time. But building robots is harder, so you need stronger motors. Those are expensive. Some things are fantastic, but they are difficult to find and there are specialized component manufacturers. Or we get a closed source black box, which we don't really like. And to buy a robot is not an alternative, because most of them are either toys and they won't allow you to transport a pizza. Or the ones that could do it, the more promising ones, they are infinitely expensive if you can buy them at all. So we thought about what's possible. You continue using toys. Oder man kauft die großen teuren Dinger. Or if you can afford it, we build one. If you work at a large institution. Or as we did, you spent two years constructing your own. Das ist was, was wir gemacht haben. Das ist was, was wir gemacht haben. Viele andere Wege gibt es da gerade nicht. Es gibt viele andere Optionen. Nach zwei Jahren haben wir ... Nach zwei Jahren haben wir ... Wir sind froh und zeigen euch heute ein open-source Robot mit einem modulären, distributiven, open-source Kontrollsystem. Wir haben Informationen von allen Sensoren, die wir gebaut haben. Wir haben es auf der Seite gemacht, ohne finanzielle Backe, und das Material kostet ca. 2.000 Euro. Es ist besser als die anderen. Wir haben die Komponien, die easy zu finden sind. Wir sind froh und es ist nicht ein Lego-Set. Aber uns ist kein Mechaniker. Wir haben es gekriegt. Es ist leicht zu bauen. Warum open-source? Warum open-source? Wir haben nicht viel zu erklären, in diesem Audienz. Wir brauchen free hardware designs in Research and Development und Education. Es gibt Möglichkeiten zu entwickeln auf deinem Leben. Das erfordert die Möglichkeit von verschiedenen Versionen und Varianten. Man kann die Konstruktionen von der Internet bekommen. Man kann es entnehmen und assemble und starten. Es ist wichtig für uns zu finden, das beste Design für die Superlösung für alle Probleme ist. Wir glauben nicht, dass unser Ultimate-Solution für alle Probleme ist. Wenn jemand eine gute Idee hat um es zu verbessern, ist es eine große Suche. Ihr seid alle angehalten. Wir geben ein Sample und erwarten mehr von euch. Wir haben es schon seit vielen Zeiten mit einem finanziellen und einfachen Roboter, mit einfachen Replacement-Parten. Und in allen Wahlkomponenten haben wir das Prinzip erbaut. Deshalb haben wir Standard-Komponenten, Ballbeeren, Schrauben und so weiter. Die performinge und kann nicht man gefrügt werden. Dinge, die nicht standardisch sind mit 3D-Printed und unsere Hexbase. Die sind nicht hochend 3D-Printed. Wir haben einen Laser-Kutter für die Leitungen zu werden und es kann mit einem normalen Toolkit aus einem standarden So, es ist noch ein ganzes Stückchen Weg bis dahin. So, es ist nicht schön, und es ist eine lange Art, um es schön zu machen, aber es funktioniert. Wir haben nicht gedacht, wie es sein wird, und wir haben es konstruiert und gebaut. Wir haben mit ganz simplen Tests angefangen. Wir haben mit sehr simplen Tests angefangen. Wir haben einfach nur zusammengetäppte Zollstöcke. Wir haben also Stichmeßigkeiten gemacht, und wir haben sie zusammen gelegt. Wir haben dann geschaut, wie wir ein Schultergelenk auf den Legen bewegen können. In dem Ende müssen wir die Läden bewegen. Das ist nicht das Ziel eines Robots. Du willst nicht, dass die Motorstöcke gelöscht werden. Das könnte lustig sein, aber das ist nicht der Ziel. Hier siehst du die 5mm Plane, wo wir die Läden mit der Hand versuchen können. Ich brauche sehr viel Kraft, um das mit der Hand zu machen. Dann haben wir viele Teile 3D getrocknet. Wir haben viele Teile von einem 3D-Printer getrocknet. Sollte Teile wie z.B. das Kniegelenk, rechts und unten, sind nicht einfach für den Purchter. Wir mussten sie selbst designieren. Wir haben in Endeffekt auch ein 3D-Modell gemacht. Wir haben ein 3D-Modell gemacht, wo jemand sagt, dass man sie kaufen könnte. Aber es ist sehr hart. Für einen Start wird es von Metall gemacht, und es ist schwerer. Und zweitens, dass man die richtige Diameter und die richtige Connector für die Motorstöcke bekommen kann. Sourcing ist sehr schwierig für diese Bereiche. Wir haben es auch auf PLA geplant. Es war schwierig, den Zahnriemen an sich zu finden, als die Stapelgen zu finden. Das harte Teil war, um die Bälle zu finden. Das war schwer, aber das ist das 3D-Modell. Man möchte es an seinen Motor anbringen. Das Problem von dem Motor ist, dass man den Motor connecten muss. Und wenn man den Motor anstrahlt, dann wird man noch connectiert. Tom hat es als parametrisches Modell gemacht. Er hat ein parametrisches Modell gemacht. Wir haben einen mit 42 Tiefen. Hier sieht man etwas mehr. Hier sieht man etwas mehr der Komposition. Wir haben verschiedene Farben verdruckt. Wir haben viele Farben verdruckt. Man sieht, von der rechten Seite die Motorstöcke. Wir haben die Lidse für die Motorstöcke gemacht. Wir können die Lidse auf das Motorstor. inside such a robot. So muss es eine Möglichkeit sein, dass jedes Motor mit anderen kommunikiert wird. Deshalb bauen wir das System, das ist eine 2-Stage. Es ist eine Struktur des Tricks. Hier sieht man mit L, die Kontrollers, die Limp-Kontrollers. Sie sind in fünf von diesen gebaut. Es sind vier Kontrollers, die die Motorhänge sind. Die Motorhänge sind dann durch ein Bus-System, das in Pink ist. Diese Möglichkeiten sind, jedes Motor individuell zu adressieren. Man kann sich die Sensordate auseinanderrechnen und die Motorhänge kontrollieren. Auf den Grafiken sieht es, dass es ein Mist ist, es ist weit, nicht breit und grün. Sie sind auf ihrem Bus-System und kontrollieren ihre Daten. Es gibt einen Computer, der alle Daten handelt. Insofern gibt es das Batteriesystem, das separate ist. Wir benutzen verschiedene Batteries für jedes Kontroller. Man hat die Möglichkeit, nicht zu benutzen. Man hat eine schwere Akku in der Mitte und eine Batterie in der Mitte. Man distribute die Masse der Batterie über den Körper, wie in den Legen oder in den Körper. Man kann die Modifikation der Batterie benutzen, um die Motorhänge anzubilden. Dann gibt es einen bestimmten Voltage-Regulation-Zirkut, der von Diode ist. Unser Motor-Regulation-System ist in den Legen. Es gibt zwölf Motorhänge. Sie benutzen die sensoryen Daten, um sie 100x per Sekunde aufzubilden. Sie senden sie zum Haupt- und Computing-Unit. Wir können jetzt die Datenschuhe auslesen, aber Sie können die currenten Voltage und die Motorposition individuell auslesen. Das wird Ihnen die Information geben, wie der Joint jetzt verabschiedet ist, wie die Kraft von den Motorhänge zu Legen ist. Man kann auch die Voltage und die Currenten auslesen, um zu wissen, welche Energie sie jetzt benutzen. Man kann auch mehrere Sensoren auslesen. Bei Motor-R0 gibt es z.B. einen Acceleration-Sensor. Besonders auf der Kontrolle gibt es einen Slim-Zirkut, der verabschiedet ist. Für Instanz, es könnte eigentlich alles sein. Das ist der Slim-Kontroller. Es hat ein bisschen mehr Energie. Man kann die Voltage und die Voltage-Unit auflesen. Man kann die Neuronalnetz auflesen. Ich erklär dir, dass sie über den Roboter kalkuliert. Ein Slim-Kontroller kaltet die Teil der Neuronalnetz. Es braucht für sich, die Legen zu kontrollieren. Alle Legen sind über den Roboter kalt. Der Roboter-System ist ein altes Industriestandard. Er ist vielleicht auch zu alt, um die Elektronik für die Elektronik zu erzählen. Wenn du es solltest, dann hast du zwei Wires, die den Signal tragen. Der Signal ist verabschiedet, sodass der Roboter auf den Roboter kalt. Man hat einen elektronischen Filter, der die Physik verabschiedet ist. Man kann sehen, dass jedes Motor in einem Bus ist. Es gibt die Daten zum Bus, in einem bestimmten Timestand. Dann ist es, wenn und in welchem Motor der Bus zu sprechen ist. Aber das ist nicht verabschiedet. Es ist nur der Physik-Layer. Es ist ziemlich ähnlich wie der Cann-Bus aus der Automobilindustrie. Aber es ist ein bisschen mehr als ein Budget-Version. Es hat die gleichen Möglichkeiten. Der Firmware ist ziemlich modern, in Kontrast mit den restlichen Firmwares, die in C kommen. Wir haben den XPC-Framewerk genutzt. Es ist nun der Modem, ohne den E-Modem. Es ist cool, dass man von einer Plattform zu einer, ohne den E-Modem zu schützen. Man kann von einer Plattform zu einer, ohne den E-Modem zu modifizieren. In einer der Motorkontrollern ist es keine Omega-Button-STM. Wir haben es nicht gebraucht, eine andere Firmware zu schützen. Man kann das selbe als die bisher. Unsere Reise geht in 100Hz. Das ist eine sehr wilde Robotex. Aber als Protokoller aus dem Offensor sind, wenn du die Systeme mit dem System und das Pimpel gebraucht hast, kannst du in 1Hz modifizieren. Man lässt sich auf die Firmware auseinander modifizieren, damit es zu leichter wird. Also die Möglichkeit ist da. Jetzt kommt es an den Teil. Jetzt kommt es an den Teil. Jetzt kommt es an die Teil, die ich genieße. Ich habe mich mit Laufalgorithmen und Lauflernen beschäftigt. Ich habe mein Zeit mit Lernung für Robots gehalten. Weil ich in der Simulation hauptsächlich vier Beine hatte. In der Simulation hatte ich vier Beine. Das ist eine elegante Form und eine elegante Morphologie. Ich hatte nicht einen Roboter. Ich habe es selbst versucht. Ich habe es selbst versucht. Es ist noch viel ausbauffähig. Ich würde gerne erzählen, was der Roboter ist. Aber ich schreibe, wo wir mit dem Kontroller sind. Es ist normal, ein Simulator für die Hardware zu bauen. In diesem Fall haben wir es in der anderen Reihe gemacht. Ich hatte das Simulator. Jetzt haben wir die Hardware auf dem Modell gebaut. Die Blu-Kurves sind Motorkontrollen. Die Orange und die Weite haben eine sehr hohe Amplitude. Sie haben Position und Location-Values. Ein Student von uns, Daniel Hein, hat mir den Robotsimulator von seinem Master's-Thesis verlassen. Er würde es nicht kennenlernen. Aber ich habe den Namen gehalten. Ich bin sehr dankbar. Ich könnte einfach einen Simulator auf dem Modell bauen, damit ich diesen Forschungseffekt tiefe. Der Roboter hat auch hier zwölf Gelenke. Der Roboter hat zwölf Gelenke. Er hat viele Sensoren. Wir benutzen die Angles und die Angle-Velossities. In der Zentren des Robots bekommen wir die Acceleration. Sie gehen alle in den Kontrollen. Jetzt haben wir zwölf Gelenke und die Angle-Velossities. Das letzte Mal haben wir den Motor gefahren. Was machen wir jetzt? Es ist völlig unklar. Auf diesem Modell ist es nicht klar. Für Mario-Brothers ist es leicht zu kontrollieren. Es ist sehr müßig, wenn man sich das selber ausdenkt. Es ist sehr schwierig, es zu denken und die Parameter zu tun. Ich bin sehr schnell auf die Lern-Argorithmen gefahren. Mein Effekt war, den Roboter zu lernen, um es selbst zu bauen. Es kann länger trainieren. Aber man kann es aus meiner Simulation ausgeholt haben. Ich finde die richtig schön, aber ich will die auf der Hardware sehen. Nur in der Simulation reicht mir nicht. Ich mag die Art und Weise, wie es funktioniert. Aber ich möchte die Hardware sehen. Schau dir die Art und Weise an, wenn du keine Art magst. Du hast einen sehr großen Stade-Vektor. Für die Algorithmen sieht das das Problem vermehr aus. Für die Algorithmen sieht das das Problem vermehr aus. Das ist das Formulproblem für die Algorithmen. Es hat einen Input-Vektor. Die Angles und Accelerations. Und ein Output-Vektor, das wir beschreiben können. Der Roboter hat vier Weine. Der Roboter hat vier Legen. Der Algorithm sieht nur den Input. Es versucht etwas, und der Algorithm sagt einiges. Es muss etwas ändern. Wenn wir auf der linken Seite denken, sind die Inputs. Das ist der Input. Es ist das, was er im letzten Zeitschritt an die Motor angeschrieben hat. Wir haben das Motor in den letzten Zeitstaben gesagt. Es ist so, dass er nicht vergessen kann. Und dann kann er es auf die Motor schreiben. Und das B ist ein Matrix für Werte. Man kann es sehen, und man kann es sehen, wie man das Matrix findet. Es sieht so aus, dass man in einem Rekord-Studio einen sehr großen Mixer hat. Man weiß nicht, was der Roboter macht. Man weiß nicht, was der Roboter macht. Man kann es,</ die Technik, die Und es ist simpel zu einer realen Revolution. Wir randomly wählen die Nase und dann versuchen wir den Roboter mit diesen Knopf-Setzungen, und dann measuren wir, wie weit der Roboter mit der Nase geht. Und wir allowen die Settings, zu prolongen der life, if it works well. So, those collections of settings that work well, we retain and we progress into the future, and the ones that don't work so well, we throw away. And it's collections of very large numbers of collections. And we can optimize for speed, or we can limit the amount of motor power. So, it can be controlled, it can be limited either by speed, or it can be optimized for energy consumption, where you look at how much voltage and power is being put into the motors. So, I put this mirror, there's even more coming. No, there it is. This is a slow walking. I turn the camera a bit, and now you see on the border, there are a few of the commandos for the joints, and it's going up and down and wiggling around. It's not trivial and you do not understand right now from seeing this, why it's going there. The robot just needs to set his leg there and there. You might think trivially, but I tried this in the beginning, but after a while I realized now it's not that simple. So, I opened the box of Pandora and we got to this. You don't need a regulator for the walking, you also need a regulator for standing still and finding the balance. If you don't have this, if you just turn it off, it will fall over. So, I put this down. So, now it's standing. And this is another regulator, which is a bit faster. There's a difference in the signals going to the motors, which in general This model of the robot is a bit more difficult. It has more details. The motors are being modeled better in better resolutions. There are more boxes, which represent the mass on that point. So, this is one of the first models I built, the first virtual robot and I tried to let them work. And I begin with this here. It's called by Paul very lovely the walking hot dog. It's a bit more thick. It hasn't have that much of elements. And so therefore the computer can put their more signals and it's walking faster, calculating it faster. We already know that Hanna from its design can't run really fast, but normal walking should be possible. So, which direction do you want to see forward, on the left? Okay, so on the left, left should be possible. One moment please. So, see if I try to drive. Yes, it's a little bit not upright. Now from the back. Oops, laughter. Man wundert sich jetzt so, you might wonder, it might be hurting on the knees, but there are no sensors. So, the simulated robot does not feel pain. And there are different styles, minimal differences. All this examples here are showing one after another. And if you show for a time leaps, then you see that there is a flight phase. Sorry, ich konnte nicht widerstehen. I couldn't resist. I know I can close this. For the end, I can show you again the running one. So, you see there it's a pretty simple regulator, and even with this there are very dynamic movements possible and therefore it's a morphological problem. And you might help us to our robots run this fast. 2,7 Meter pro Sekunde oder 2,5 Meter? Also was da steht, ist 2,7 Meter pro Sekunde. Der ist jetzt nicht groß, ne? Also eins und Kästchen sind nicht groß. Es ist nicht sehr groß. Eines dieser Grits ist 50 cm. Danke, danke. Ist es called Hanna, weil es nach vorne geht und zurück geht? Danke. Genau. Genau. Willst du? Oder... Willst du übernehmen? So, ja, nein. Da ist die Frage, wie du von Simulation zu der Real-Wert, zu der Hardware, also ich kann dir spülen, du kannst nicht die Simulator bringen zu den gleichen Resultaten als die Realität, weil du Finite-Resourcen hast und du willst die Software auf deinem Personal-Computer oder deinem Lieblings-Kluster und da siehst du, dass du viel Effort fährst und noch einmal du könntest simulatieren, jedes Joint und jedes Null, aber du kannst es nicht bringen zu perfekten Resultaten, weil der Regulator der exakten Struktur, in der Simulator, aber nicht der Real-Wert, aber du sagst, der Simulator, dass der Roboter 4 Legs hat und wir würden gerne das machen, aber wir können nicht, wir würden gerne, die Gäste zwischen den Räumen und den Räumen und simulatieren und simulatieren, dass der Roboter besser ist, aber du hast zwei Optionen, du kannst perfekter sein, du bist ein Roboter oder du kannst ein einfaches Beispiel und ein bisschen mehr Randomität und ein bisschen mehr Randomität also du hast ein Sammel des Robots, du kannst z.B. eine andere Länge von den Legs oder einer anderen Messung und ein bisschen mehr strong Motors oder weniger strong Motors versucht, jedes Parameter zu modifizieren ein bisschen, so dass der Real-Wert in der Cloud der simulatierten Hardwares ist, so dass das Algorithmen, erheblich auch kalt ist, um den Roboter zu kontrollieren. Das ist das, was wir jetzt tun. Wir versuchen, eine simuelle measurement zu nutzen, wie mit deinem Ruhler und das in die Simulationen und wir haben nicht sehr exakte measurementen Devices, das, so, mit diesem Prozedur versuchen wir, ein Roboter zu optimieren. Wir haben zwei Jahre jetzt da schon dran umgebastelt. Wir haben diese vier, zwei Jahre gebaut. Ihr könnt sehen, es ist nicht fertig. Es ist noch genug zu tun. Wir müssen ein wenig robuster machen. Wir müssen die Hardware mehr robust machen. Manchmal tippt man es, oder man tippt es über. Es gibt Dinge zu überlegen. Es gibt Dinge, die man tun kann. Die Kraft der Motorstrahlung ist nicht sehr stark. Wir brauchen wahrscheinlich bessere Motorstrahlung. Wir müssen auch mit den Zahnrädern noch umgehen. Wir müssen auf die Belzen arbeiten. Es ist sehr schwer zu machen. Die Gewicht ist doof. Die Gewicht ist sehr schwer zu machen. Wir haben eine sehr inexpensive Maschine. Die Elektronik. Wir machen die Schirkelbohr mehr generell. So dass es nicht nur für eine Hunde ist. Für andere Dinge. Paul schreibt Firmware & Drivers. Wir wollen eine stärkere Variante machen. Wir wollen eine stärkere Version bauen. Wir wollen einen Sensori-Motor-Cargo. Wir wollen eine große Menge scaleen. Wir wollen wissen, wo die Füße sind. Also wollen wir den Sensor ins Füllen. Wir wollen, wenn sich der Motor stoppedt, Akzellermitazieren an den Rundverband gestylt werden. Wir wollen Akzellermitazieren an der Circling-B attribed. die ja immer auf dem Beschleunigungs-Sensor angezeigt wird, kriegt man die Gravity normal. So, wir wollen, wir wollen das Accelerometer auf den Board, so dass wir wissen, wo der Grund ist. Und das Modell wird von diesen Inputs, so dass man einfach eine Menge Sensordata geben kann. Und dann schaue ich mich auf die Matrix, was eigentlich gebraucht ist. Und dann schaue ich mich auf die Matrix und es sagt 0 in 1 Kolumne. Und dann weiß ich, dass das ein gebrochener ist. Nun, falls jemand Interesse hat, sich zu beteiligen, freuen wir uns immer über Kontaktaufnahme. Wir apprécieren Ihre Kontaktrequeste. Hannah hat zum Laufen zu bringen. Matthias hat vorhin schon wieder gesagt, wir lassen uns nicht noch mal blicken, wenn sie nicht selber läuft. So, Matthias hat gesagt, wir werden nicht wiederkommen, wenn es sich nicht durch sich geht. Und wir wollen, dass sie nicht über die Bühne rennt. Wir wollen, dass sie sich selbst bewegt. Also wollen wir euch zeigen, wo wir jetzt mit diesem sind. Im Moment kann man das Sensoren-Input sehen. Weit ist die Position. Light blue ist der Motor-Signal. Nichts wird kontrolliert. Orange ist die Velosität. Jetzt schaue ich mich auf den anderen Legen. Und ihr seht es. Und jetzt, wenn wir auf eine bestimmte Position gehen, wenn ich gegen die Position arbeite, dann seht ihr einen yellow-Signal. Das zeigt die Effekt, dass nicht die Kraft, die Arbeit, die ihr macht, etwas sieht. Jetzt schaue ich es auf. Nicht, dass ich die Anlage ausschalte. Dann schaue ich es nicht auf den ganzen Raum. Dann schaue ich es auf. Dann gibt es erst mal einen Spike. So, der Spike ist, wenn du es schaust. Das braucht einen Improving. Das braucht etwas, das wir gearbeitet haben. So, jetzt schaue ich es auf die Standingsposition. Okay. Hinten schief. Es hat halt also seine kleinen Kinderkrankheiten noch. Man sieht, das ist alles noch sehr wackelig. Es ist jetzt ein ganz einfacher Halteregen. Ohne Intelligenz, der herkommt. So was kann man denn doch in fünf Minuten? Es ist nicht sehr stabil. Dementsprechenden Lehrbuch an der Hand. Ich schalte jetzt mal kurz um, um unseren ersten Versuch euch zu zeigen. Ich switche zu unserem ersten Experiment. Das ist in der oberen Zahl. 0,12. Ich darf es nicht übertreiben. Ansonsten habe ich zwei Tage Arbeit, die Hardware zu reparieren. Ich kann es nicht übernehmen. Ansonsten habe ich zwei Tage Arbeit, die Hardware zu reparieren. Ich switche es zu vier. Das ist jetzt ganz naiv. Ohne meine Anpassung der Regler, den wir Eingangs gesehen haben auf den Roboter. Das ist dann naiv. Er läuft jetzt nicht gleich. So, at least it's holding. And it doesn't walk. Dann werden diese Reflexe ausgelöst. So, if I do this, then these reflexes are caused. And I don't know what's now happening, but I need to hold it, because otherwise it's falling down. Okay, something has been connect. It's been a belt. No one should have heard it by now, but I need to tell it, because I was told that things which aren't heard on the screen, I need to tell. So, maybe it means that I need to recalibrate a sensor. So, I can't go further because my laptop, my notebook would fall down to the floor. I have to press one of these buttons. Yes, thank you. Right. So, this might be the end of our demonstration. Is there something more to show? Yes, there's something more. Wir haben immer gedacht, we need to be fast und planen eine halbe Stunde für Fragen. Wir sehen, dass es perfekt ist. Wir sind perfekt hier in der Zeit. So, jetzt ist es auf dich. Wenn ihr Fragen habt, lasst uns wissen. Go zu der Mikro. Es hat sich tatsächlich gelohnt, vorne zu setzen. Ein verandertes Gerät, muss ich sagen. Also, wir haben zwei Mikrofonen hier im Saal. Eines ist die Nummer eins. Das ist die Nummer zwei hier im Mittellang. Stellt euch da bitte an, um die Fragen dann zu schließen. Bitte geht es auf die Mikrofonen, um Fragen zu stellen. Die Mikrofonen. Ein sehr schönes Projekt. Du hast Links auf deinem Page, auf das Learning-Algorithmen und auf die Details des Learnings. Nicht so farm, weil die Algorithmen sind Teil meiner Forschungsarbeit. Meineером ist auf meiner Tabelle. Meine Professor da zitten ist. Aber es ist azun. Aber, ich muss die Diskussion unterschreiben. Aber wir können ein bisschen hier speisen. Wir arbeiten daran. Wir schauen sich an. Wir sagen, es ist eine Hauptversorgung, aber wir vergessen soviel Arbeit. My question is, how do you think about collaboration, since you have not published it, is there contact information? Yes, we have a page, it's in the Faplan, it will be filled over time and there is a contact, we will contact you as fast as possible by email or something similar. Mit welcher Software hat das Simulieren gemacht? What software have you used for the simulation and to learn it? How did you make them talk to each other? So, the simulator itself is written in C++, it is not a standard simulator, but you could, for instance, use a project, which is called Gazebo, which is an open source simulator, you can use this, it is an open source simulator, it is able to do a lot of stuff like friction and similar aspects. The software itself, we showed here, is written in C++, it's not standard, in the simulation we just used the standard C++ library of the current C++ version and due to the current Nets, it's not that we are using deep learning or TensorFlow, it's really a one layer neural net, so called shadow learning. Mikrofon 2, bitte. Habt ihr mal euch Gedanken gemacht? Habt ihr über die Hardware in die Simulation einzubinden oder Messergebnisse zurückzuspeisen und die Modelle zu verbessern? Um die Hardware zu ändern, als Teil des Entwicklungszeichen und der Feedback der Optimisation? Das wäre gut. Also, der Evolution-Modell ist jetzt able to modify the parameters of the robot and you could think about co-ordinate the measurements and feed it into the algorithm. But if you use, for instance, Open-S-Cut to parameterize your models, then maybe the simulator could say you need to make the length of this leg 40 cm and you could realize it using the laser cutter. But this is a lot of work and it's a big field. Das war almost meine Frage. Ich sage mal, ein echtes neuronales Netz aufsetzen. Do you really want a neural net to learn this? At the moment you're not using a neural net, you're using a genetic algorithm. Do you want a real neural network to learn your sensor model? Ah, okay. Wir haben schon teilweise so Testläufe, wo wir ... Wir haben alle die Daten von den Motoren und dann haben wir einen schönen Modell. Ich mache das mit einem self-made Friction-Modell und der Motor-Modell. Im Prinzip sind die Dinge sehr klar. Aber um das Simulation-Gab zu klären, es ist nicht genug, meine eigene Modelle zu benutzen und die Daten zu fitzen. Aber in diesem Fall könntest du auch 3-Layer-Nets fitzen, um die Daten zu fitzen. Aber ich denke, das geht in die falsche Richtung. Man muss die Netze mehr trainieren, um eine generelle Art zu benutzen, um 8-Bit-Sensoren zu nutzen oder 16-Bit-Sensoren zu benutzen. Man muss die Netze mehr generalisiert werden und die Netze mehr robust werden. Man muss die Netze mehr einlayen, um mehr zu gehen. Man muss mehr zur generellen Art, in der man nicht auf die Zahl der Sensoren betrachtet, um die Kontrolle und die Sensoren zu machen. Die Welt ist groß. Eine Frage aus dem Internet. Eine Frage aus dem Internet. Ja, das Internet fragt Robert Operating-System, ob er unterstützen wollte. Würdest du ein Robot-Operating-System unterstützen? Würdest du? Ich höre mich gerade jetzt nicht mehr. Ja, in der Tat arbeitest gerade ein Kollege. As a matter of fact, a colleague of mine is working with two of these motors and he built a camera control for this, a camera gimbal. And we were asked if we could or should support Ross with this. And I think we are dealing with how to deal with the biggest problems. And currently we don't support such projects right now. Okay, Mikro von zwei, dicht ans Mikro gehen. Ich wollte fragen ob es bezüglich Leichbau schon konkrete Vorstellungen gibt. We have special ideas on building it with lighter materials. I really want to change the material. Was is your strategy for material choice, especially with respect to cost? I think we don't have a strategy on that. I think we have this design principles we have. And if you have something which is just available in one place in the world, it's not what we want to do. For instance, if you are using the carbon rods here and you might think it's expensive, but if you see that you can handle this just cut one piece of the rod and then you can use it, I think this is okay. The wood is also very light white and stable, but on the other hand it might twist. So it's not made for eternity, but if you have ideas to bring us further and the ideas won't ruin the planet, please let me know. I'm really hungry for new materials to use. I would more like to put in one more kilo of batteries in there. Free printing of screws is a bit more expensive, but maybe in two or three years, joking. Es kann sein, dass ich das jetzt verpasst habe, weil mich Nick von der Kilo abgefüllt hat. Ich denke an die propriozeption von diesen Gliedmaßen. Ich denke an die propriozeption von diesen Limben. Sie haben Modules oder Limben, die direkt zu den Axis der Motor sind. Sie wollen es nicht direkt an den Legen, sondern in einem Flecken. Oh, du hast es alle in einem Platz? So, die größte direkte Artik, ist, dass alles über die I2C-Bus zu dem Kontroller geht. Aber du kannst z.B. den Kontroller direkt auf den Legen. Du kannst da noch mehr Sensoren, drei oder vier, bevor es kritisch ist. Du kannst auch dort ein Motor, nur um die Sensorendaten zu bekommen. Das Motorbord ist nur auf den Motor. Was wir zuerst gemacht haben, war, dass die anderen Platine die servomotoren, die Zirkut, die wir in die Neue haben, vielleicht können wir die kleinere nutzen und ein paar Maßnahmen für die Bewegung und die Stärke. Wenn du das gleiche Sensoren auf den dritten Axis putzt. Okay, Verzeihung, ich war völlig fehlgeleitet. Dann kannst du die Beine measuren. Das ist komplett falsch. Es ist schon in der Beine. Die Magnetikode ist in der Kabel. Wir wollten es auf den anderen Axis putzen, damit wir die Tension zwischen den Beinen und den Legen sehen, dass die Motorbord-Achse auf der Beine ist. Du brauchst die Motor-Achse? Du brauchst die Motor-Achse? Bist du nur in den dritten Axis interessiert? Ja, wir könnten es probieren. Es wäre ein mehr rundes Modell, aber nicht so viel. Vielen Dank für die Präsentation. Man sieht ja, dass die Hardware recht fragil ist. Man kann sehen, dass die Hardware freundial ist. Und wenn du sogar die cheaper Materie willst, dann ist es nicht mehr stabil. Als Ziel zu setzen, dass das möglichst gelenkschonend ist. Es würde es nicht Sinn machen, für die Simulation zu beherrschen, und zu weniger Stress auf die Beine zu machen. Ich habe große Hoffnungen, dass wir das Impakt verabschieden können. Aber du siehst viel in den Simulationen. Und du siehst deine Konklusen aus den Tests. Aber ich habe schon die Idee, dass es sehr schwierig ist für die Simulation zu beherrschen, und die realen Worte zu beherrschen. Alles, was du von den Simulationen bekommst, ist, wenn ein Gehirn auf den Boden ist. Ich wollte es nicht so weit machen. Aber wenn du das benutzt und die Feedback benutzt, dann ist es so, dass es ein Roboter ist, dass er nicht mehr kaputt ist. Jetzt versuchen wir, die Hardware so robust zu machen, dass es ein paar Mal über den Tag fallen kann. Aber später sollte es mehr robust sein. Eine andere Frage aus dem Internet? Ja, und zwar die Frage, ob es keinen zentralen Task für die Software ist. Also, ob jedes Bein für sich alleine lernen muss, oder ob das gemeinsam gelern muss. Wie zu lernen in einer bestimmten Direktion, oder ist es gemeinsam zu lernen? Es ist generell alles zusammen gelernt. Man muss sich vorstellen, dass es ein einziger Task ist. Es ist nicht ein multi-processing Team. Es ist nicht ein multi-processing System. Es ist nur ein Task. Und 100x per second, der Net ist kalkuliert und in einem neuen Sensor-Data read-in. Also, der Net ist ein Task, um von einer Behaviour zu anderen zu switchen. Das würde es bedeuten, um von einer Net zu der anderen zu switchen. Man könnte auch mehr komplexen Neten machen. Man spricht von Koexistenz-Akturatoren. Man könnte in der Theorie den Stand-up starten und den walk-up in einer Net kontrollieren. Aber es ist generell ein Task. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Es geht nicht weiter nach hinten. Das ist eine der wichtigsten Schritte, die im Jahr 2019 und 2020 insofern passiert. Wir können wirklich zu dir sagen, dass wir das versuchen, etwas zu machen. Aber wir sind nicht so weit jetzt, aber in dem Frühstück startet es, dass du das hast. Also wenn jemand hier interessiert, in schöneren Pläne und schöneren Layouts, dann senden wir sie zu uns. Danke, das war die Präsentation. Jetzt, wo die Leute dich finden? Wir haben ein Assembler in der Halle 2. Wir haben ein Assembler zu uns. Es ist X-Heim. Und du kannst uns hierher kommen. Und das andere ist, du kannst zu unserer X-Base kommen. Wir haben noch eine Runde Applaus für unsere beiden Speakers. Danke vielmals. Das war die Präsentation.