Motivation der Arbeit sind Probleme bei der automatischen Bewegungssteuerung mobiler Mikroroboter. Mikroroboter können Objekte im Sub-Mikrometerbereich manipulieren, wenn die Ansteuerung entsprechend genau ist. Ein daten-basiertes lernendes Ansteuerungsmodell wurde mit der Self-Organising Locally Interpolating Map (SOLIM) verwirklicht. SOLIM beinhaltet zum einen ein neues Verfahren, das kontinuierlich und interpretierbar von einem Netz von Eingangsstützvektoren, z.B. Robotergeschwindigkeiten, auf ein assoziiertes Netz von Ausgangsstützvektoren, z.B. entsprechende Robotersteuersignale, abbilden kann. Zum anderen wurde ein Lernalgorithmus entwickelt, der die Ausgangs-Stützvektoren iterativ so anpasst, dass die SOLIM-Karte ein inverses Modell des zu kontrollierenden unbekannten Systems darstellt. Die wichtigsten Eigenschaften des neuen SOLIM-Ansatzes konnten sowohl in Simulationen als auch bei der Positionsregelung von mobilen Mikroroboterplattformen bestätigt werden. <dt.>
The work is motivated by problems during automated motion control of mobile microrobots. Microrobots can manipulate objects in the sub-micrometre-range if the actuator controller is correspondingly accurate. A data-based learning controller model is implemented with the Self-Organising Locally Interpolating Map (SOLIM). SOLIM includes a new method that continuously and interpretably maps from a grid of input support vectors, e.g. a robot's velocity, to a grid of output support vectors, e.g. corresponding control commands. Moreover, a learning algorithm has been developed, which iteratively adapts the output support vectors such that the SOLIM map represents an inverse model of the unknown system to be controlled. The most important properties of the SOLIM approach have been proven in simulations and during position control of mobile microrobot platforms. <engl.>
