
Auf einem Weg in Zürich steht ein Baustellenschild. Für einen vierbeinigen Roboter wäre der Kies davor weiterhin gut begehbar. Doch im Versuch weicht der Roboter auf den Grasstreifen aus. Erst an einem weiteren Schild kehrt er auf den Weg zurück. Auf dem Campus der ETH Zürich war das eine vorbereitete Teststrecke. Auf einem Wanderweg kann dieselbe Entscheidung unvermittelt anstehen. Das Forschungssystem ROAM verbindet die Deutung von Schildern, Wasser oder Tieren mit einer Karte, die es zum Gehen benutzt. In den Alpen trug dieses Zusammenspiel über Kilometer. Im entscheidenden Moment konnte ein erkannter Zaun trotzdem auf der Karte fehlen. Fachpublikation in Science Robotics vom 18. November 2026 · Zugängliche Autorenfassung mit Versuchsdaten
Vom Kamerabild zur Risikokarte
Auf einer Höhenkarte kann ein Stück Wiese leichter zu überqueren aussehen als ein steiniger Weg. Für die Wahl kommt es aber auch darauf an, was die Fläche ist. Die Wiese kann eine Weide sein, auf der die Maschine Abstand zu Tieren halten soll. Ein See erscheint aus manchen Blickwinkeln als flache Oberfläche, ist aber kein fester Untergrund. Bei ROAM entscheidet deshalb neben der Form des Geländes auch seine Bedeutung für die Aufgabe.
- Benennen und bewerten. Ein Bild-Sprach-Modell bekommt Bilder der Kameras und beschreibt, was darauf vorkommt. Es kann etwa Schotter, Gras, Kühe oder Wasser benennen und ein Schild in die Bewertung einbeziehen. Für jede Kategorie liefert es mehrere Werte. Wie riskant ist sie? Kann ein Fuß darauf stehen? Soll der Roboter sie als Weg bevorzugen? Ein Grasstreifen kann grundsätzlich begehbar sein und trotzdem eine schlechtere Wahl als ein Kiesweg.
- Im Bild und im Gelände verorten. Ein weiteres Verfahren, die Segmentierung, ordnet Bildpunkte diesen Begriffen zu. Aus einer Aussage wie „Wasser ist riskant“ wird so ein markierter Bildbereich. Tiefenkameras und ein Laserscanner helfen, den Bereich an die passende Stelle in einer räumlichen Höhenkarte zu übertragen. Die Karte enthält getrennte Angaben zum Risiko, zu brauchbaren Trittflächen und zu bevorzugten Wegen. Hat die Bildauswertung am flachen Ufer Zweifel, bleibt auch die Markierung unsicher.
- Weg und Tritt umsetzen. Die lokale Navigation nutzt die Karte, um Richtung und Geschwindigkeit für den nächsten Abschnitt zu wählen. Die Bewegungssteuerung setzt daraus die Bewegung der Beine um. Dazu verwendet sie auch die Lage der Gelenke und die Höhe des Bodens. Die beiden Steuerungen wurden mit bestärkendem Lernen in Simulationen trainiert. Eine simulierte Bewegung, die ihr Ziel erreicht und riskante Flächen meidet, erhält dort eine bessere Bewertung. So lernen die Steuerungen aus vielen Versuchen. Aufbau des Systems, Abb. 1 und Methoden 4.3–4.6
Das Zusammenspiel ist auf zwei sehr unterschiedliche Zeitskalen ausgelegt. Im Regelbetrieb wurde die Auswertung durch das Bild-Sprach-Modell etwa alle zehn Sekunden aktualisiert. Das System zur Bewegung der Beine korrigierte seine Ausgabe rund 50-mal pro Sekunde. Ein separates Programm erkannte Schilder auch zwischen den regulären Abfragen und konnte den Roboter für ihre Auswertung anhalten. Kurze gespeicherte Zusammenfassungen halfen, die Bedeutung eines bereits passierten Schilds zu bewahren. Die grobe Route stammte bei den langen Einsätzen aus vorgegebenen Wegpunkten und Kartendaten. Wie Roboter verschiedene Sensorsignale in einer Karte zusammenführen, hängt auch davon ab, wie genau sie die eigene Position bestimmen. Projektseite mit Kamera- und Kartendarstellungen
Vom Umweg bis zum einzelnen Fuß
Auf dem 1,2 Kilometer langen Campusparcours am Hönggerberg verglich das Team ROAM mit zwei anderen Verfahren. Eines nutzte die Geländeform. Das andere, ein Modell namens ViNT, folgte Zielen in Form zuvor aufgenommener Bilder. Beim vorbereiteten Baustellenschild bewertete ROAM den Kiesweg neu und nahm den Grasstreifen. Ein zweiter Hinweis führte es auf den Weg zurück. Das geometrische Verfahren folgte weiter der ursprünglich vorgegebenen Route. Bei einem anderen Versuch über Holzpaletten änderte ein Schild, welche Fläche ROAM für einen Tritt zuließ. Die Palette selbst hatte sich dabei nicht verändert. Vergleich auf dem Campus und Palettenversuch, Abb. 4–5 · Originalarbeit zu ViNT
Die Fähigkeit, auf unebenem Boden zu treten, hatten Teile des Teams schon früher mit einem vierbeinigen Roboter demonstriert. ROAM ergänzt diese Fähigkeit um Informationen darüber, welche Stellen der Roboter meiden soll. Das Titelbild zeigt diesen Zusammenhang als KI-Illustration eines Schritts am See. Frühere Originalarbeit zur Gangsteuerung · Warum Balance und Bodenkontakt beim Robotergehen zählen
Wo das Team in den Alpen eingreifen musste
Die beiden längeren Einsätze fanden 2024 statt. Der Abstieg vom Gornergrat führte über Schotter, Felsen, Waldpassagen und Strecken zur Bahn und Seilbahn. Am Seealpsee lagen enge Uferwege und Weiden mit Kühen auf der Route. An mehreren Stellen wich die geplante Linie am See vom tatsächlichen Weg ab. Die Bewertung von Wasser und Weide half dem System, auf großen Teilen der Strecke auf dem Weg zu bleiben. Abb. 3 und Feldprotokoll der Autoren
Zwei Alpentouren und die Eingriffe
| Fall | Zermatt | Seealpsee |
|---|---|---|
| Strecke | 10,1 km vom Gornergrat nach Furi. 1.220 m Höhenunterschied bergab. | 2,38 km um den See. Rund 20 m Höhenunterschied. |
| Zeit ohne menschliche Steuerung | 96,7 % der Einsatzzeit. | 97,5 % der Einsatzzeit. |
| Dokumentierte Eingriffe | Zwei Ereignisse. Kollision mit einer schlecht erfassten Absperrung und Einlenken bei einer falsch erkannten Wegumleitung. | Drei Ereignisse. Vorsorglicher Stopp am Ufer, Korrektur am rutschigen Hang und Tragen über ein Drehkreuz. |
Die Prozentwerte geben an, welchen Anteil der Einsatzzeit der Roboter ohne menschliche Steuerung bewältigte. Über die Schwere eines einzelnen Fehlers sagen sie wenig aus. Bei den zwei Alpentouren dokumentierten die Forschenden insgesamt fünf Eingriffsereignisse. In vier Fällen lag das Hauptproblem darin, dass die Bildverarbeitung eine Fläche schlecht von ihrer Umgebung trennte. In Zermatt erkannte das Bild-Sprach-Modell den Zaun und bewertete ihn als riskant. Das System, das den Zaun im Bild verorten sollte, erfasste ihn aber nicht zuverlässig. Der Roboter stieß dagegen. Zwischen dem Wort „Zaun“ und dem Schritt am Zaun vorbei liegt also eine eigene Aufgabe. Der Roboter muss wissen, an welcher Stelle im Raum sich der Zaun befindet. Ein weiteres Problem entstand, als ein neuer Weg durch eine Baustelle neben der älteren Kartenroute verlief und das System den richtigen Abzweig schlecht erkannte.
Am Seealpsee war der Übergang vom flachen Wasser zum Boden schwer erkennbar. Das Begleitteam stoppte vorsorglich. An einem rutschigen Hang lenkte es die Maschine um, als sie sich in Richtung See bewegte. Über ein zu enges Drehkreuz musste das Team sie tragen. Die fünf Ereignisse sind die im Anhang einzeln beschriebenen Situationen beider Touren. An einer engen Stelle brauchte es innerhalb eines Ereignisses mehrere kurze Steuerbefehle. Ergänzende Methoden und Abb. S7
Eine hohe Autonomiequote sagt wenig über den nächsten Fehler
Auf dem Campus wich ROAM einer fest platzierten Schaufensterpuppe in zehn Versuchen ohne Kontakt aus. Als die Forschenden die Puppe für weitere zehn Versuche in unterschiedliche Haltungen brachten, kam es bei ROAM in drei Fällen zu leichten Berührungen. Schon eine veränderte Position kann also beeinflussen, ob das System dünne Hindernisse wie ein Bein richtig einordnet. Die beiden Alpentouren zeigen, was unter den beobachteten Bedingungen möglich war. Schlechtes Licht, dichter Nebel und starker Regen wurden dabei kaum getestet. Bei den Feldversuchen lief das Bild-Sprach-Modell zudem auf einem externen Server. Ohne Verbindung kann der Roboter noch die Form des Geländes messen, doch wichtige Hinweise zur Bedeutung eines Ortes können fehlen. Und selbst eine zutreffende Beschreibung verrät wenig darüber, wie tragfähig dünnes Eis oder wie rutschig Schlamm in Wirklichkeit ist. Abb. S4 und Diskussion der Grenzen
Ein weiterer Maßstab ist, wie sich die Maschine in eine Landschaft einfügt, die Menschen und Tiere nutzen. Auf einer Testwiese war der Umweg gewollt. Auf einer Weide oder in einem Schutzgebiet kann ein technisch machbarer Umweg Tiere stören oder in empfindliche Flächen führen. Das Schweizer Bundesamt für Umwelt nennt die Vermeidung von Störungen als Zweck von Schutzgebieten. Bei den Begegnungen mit Kühen berücksichtigte ROAM die Tiere bei der Wegwahl. Ob ein Einsatz Tiere aufscheucht, bräuchte eigene Beobachtungen. Bei Robotern in der Polarforschung stellen sich ähnliche Fragen nach dem Zusammenspiel zwischen Aufgabe, Gelände und Einsatzgrenzen. Bundesamt für Umwelt zu Schutzgebieten und Wildruhe
Die nächste Hürde liegt zwischen erkennen und verorten. Bei einem sichtbaren Schild kann der Roboter richtig reagieren. Beim Zaun genügte die richtige Beschreibung nicht. Am besten lässt sich der Fortschritt deshalb dort beurteilen, wo die Karte, die Wegwahl und der einzelne Tritt unter denselben Bedingungen zusammen geprüft werden.


