Motivation

Sehnengetriebene Aktuationssysteme gewinnen in der Robotik zunehmend an Bedeutung, insbesondere im Bereich humanoider Robotersysteme. Durch die Übertragung von Kräften über Seile bzw. künstliche Sehnen können Aktuatoren flexibel im System platziert und bewegte Massen reduziert werden.

Für die Entwicklung solcher Systeme sind realistische Simulationen entscheidend. Verschiedene Simulationsmethoden bieten unterschiedliche Möglichkeiten, das Verhalten von Sehnenstrukturen abzubilden. Ein Vergleich dieser Ansätze in NVIDIA Isaac Sim / Isaac Lab ist daher notwendig, insbesondere im Hinblick auf ihren Einsatz in Reinforcement-Learning-basierten Robotikanwendungen.

Ziel der Arbeit

Ziel dieser Arbeit ist die Untersuchung und prototypische Implementierung verschiedener Simulationsmethoden für Seil- und Sehnenstrukturen. Dabei soll analysiert werden, wie physikalische Sehnenmodelle mit unterschiedlichen numerischen Ansätzen umgesetzt werden können und wie sich diese Methoden auf Simulation und RL-basierte Experimente in Isaac Lab auswirken.

Schwerpunkte

• Grundlagen sehnengetriebener Robotersysteme
• Überblick über Simulationsmethoden für Seilstrukturen (z. B. Mass-Spring, PBD, FEM, Differentiable Physics)
• Implementierung ausgewählter Ansätze in NVIDIA Isaac Sim / Isaac Lab
• Anwendung auf ein vereinfachtes sehnengetriebenes Robotermodell
• Vergleich der Methoden hinsichtlich Stabilität, Genauigkeit und Rechenaufwand
• RL-Tests in Isaac Lab zur Bewertung der Auswirkungen auf Lernstabilität und Performance.

Weitere Infos auf Anfrage. Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf.

Kategorien:

Kontakt: