Forscher der ETH Zürich haben einer Roboterhand das Laufen beigebracht. Die fünffingrige Hand bewegt sich auf ihren Fingerspitzen über den Tisch, drückt Tasten, schiebt kleine Gegenstände und steht nach einem Sturz selbstständig wieder auf. Rechner, Bewegungssensor und Akku trägt sie auf dem Handrücken, das ganze System wiegt 818 Gramm und kommt ohne Kabel aus. Das Laufen lernte die Hand in Tausenden Computersimulationen.
Roboterhände sind in der Regel dafür gebaut, Gegenstände zu greifen, und hängen dafür am Ende eines Roboterarms. Wohin die Hand gelangt, bestimmt der Arm. In engen Räumen stößt dieses Prinzip an Grenzen, etwa wenn eine Hand durch eine schmale Öffnung greifen oder in einem verwinkelten Gehäuse etwas bedienen soll, das der Arm nicht erreicht. Die Idee aus Zürich: Eine Hand, die sich selbst fortbewegen kann, könnte von einem größeren Roboter in der Nähe abgesetzt werden, sich auf ihren Fingern zum Ziel bewegen, dort eine Aufgabe erledigen und anschließend wieder abgeholt werden. Einen eigenen Antrieb bräuchte sie dafür nicht, weil die Finger selbst als Beine dienen. Die Forscher nennen als Vorbild ausdrücklich die berühmte laufende Hand aus der Fernsehserie und den Filmen über die Addams Family. Ein Team um Amirhossein Kazemipour, Hehui Zheng und Robert Katzschmann vom Soft Robotics Lab der ETH Zürich hat dieses Konzept nun mit einer handelsüblichen Roboterhand umgesetzt.
Die Forscher verwendeten eine kommerziell erhältliche rechte Hand des Herstellers WUJI mit fünf Fingern und 20 angetriebenen Gelenken, vier pro Finger. Finger und Steuerung der Hand ließen sie unverändert. Auf den Handrücken setzten sie ein Modul mit einem kleinen Rechner, einem Bewegungssensor und einem Akku, sodass die Hand ihre Steuerprogramme selbst ausführt und ohne Kabel unterwegs ist. Die beschriebene Arbeit ist als Vorabveröffentlichung auf dem Preprint-Server arXiv des Soft Robotics Lab erschienen und noch nicht von Gutachtern geprüft. Die Schwierigkeit liegt im Aufbau der menschenähnlichen Hand. Anders als die Beine eines vierbeinigen Laufroboters sind die Finger unterschiedlich lang, der Daumen sitzt seitlich versetzt und hat einen ganz anderen Bewegungsspielraum, und die Handfläche steht schräg, wenn die Hand auf ihren Fingern steht.
Diese Asymmetrie macht das Laufen auf Fingern zu einem kniffligen Problem. Hebt die Hand einen Finger, um einen Schritt zu machen, verschwindet ein Stützpunkt, und die übrigen Finger müssen das Gewicht so abfangen, dass die Hand nicht umkippt. Dasselbe gilt, wenn ein Finger eine Taste drückt oder einen Gegenstand schiebt: Auch dann müssen die anderen Finger das Gleichgewicht halten. In ersten Versuchen kippte die Hand deshalb immer wieder um. Eine Forschungsgruppe der ETH Lausanne hatte das Problem bei einem ähnlichen Projekt gelöst, indem sie alle Finger gleich lang baute. Die Zürcher Forscher wollten jedoch bewusst eine menschenähnliche Hand zum Laufen bringen, weil die unterschiedlich langen Finger und der abgespreizte Daumen beim Greifen und Bedienen von Alltagsgegenständen Vorteile bieten. Eine Hand, die sowohl laufen als auch geschickt greifen kann, wäre vielseitiger als eine reine Laufmaschine auf Fingern.
Um das Problem zu lösen, setzten die Forscher auf bestärkendes Lernen, eine Methode des maschinellen Lernens, bei der ein Programm durch Ausprobieren lernt und für erwünschtes Verhalten belohnt wird. In der Simulationsumgebung Isaac Lab von NVIDIA ließen sie Tausende virtuelle Hände gleichzeitig üben. Die Simulation war sorgfältig an die echte Hand angepasst, damit das Gelernte später auf das reale Gerät übertragbar ist. Ein neuronales Netz wertet dabei laufend die Gelenkwinkel, die Neigung und die Drehgeschwindigkeit der Hand sowie den zuletzt erhaltenen Befehl aus und bestimmt daraus die nächsten Zielpositionen für alle 20 Gelenke. Die Belohnung richteten die Forscher darauf aus, die Fingerspitzen zu Zielpunkten relativ zur Hand zu führen. Dieser Ansatz erwies sich als deutlich schneller als die bei vierbeinigen Robotern üblichen Belohnungen. Das Netz entscheidet selbst, welchen Finger es anhebt, wie weit es ausgreift und wie die übrigen Finger die Hand über dem Boden halten.
In der realen Welt krabbelte die Hand anschließend über verschiedene Oberflächen, drückte Tasten, schob kleine Gegenstände vor sich her und fand nach Stürzen wieder auf die Finger, alles mit denselben Fingern, auf denen sie läuft. In einer Vorführung schlug sie sogar einen kleinen Golfball, wie das Technikportal Hackster.io berichtet. Dass die Forscher die Finger und die eingebaute Positionsregelung der Hand unverändert ließen, ist für die Praxis bedeutsam. Es zeigt, dass sich eine handelsübliche Roboterhand allein durch Software zu einer laufenden Maschine machen lässt, ohne neue Hardware. Die Methode könnte sich damit prinzipiell auch auf andere Roboterhände übertragen lassen. Das Soft Robotics Lab von Katzschmann forscht seit Jahren an menschenähnlichen Roboterhänden und ihrer Steuerung durch künstliche Intelligenz.
Konkrete Anwendungen sehen die Forscher vor allem dort, wo ein Roboterarm nicht hinkommt. Eine laufende Hand könnte etwa in Maschinen, Schaltschränken oder anderen beengten Umgebungen Schalter betätigen, Teile verschieben oder Inspektionen durchführen. Denkbar wäre auch der Einsatz in der Raumfahrt oder bei Rettungseinsätzen, wo kleine, bewegliche Roboter in schwer zugängliche Bereiche vordringen müssen. Bis dahin ist allerdings noch viel Arbeit nötig. Die Hand bewegt sich bislang auf vergleichsweise ebenen Flächen, und ihr Akku begrenzt die Einsatzdauer. Zudem muss sie in einer realen Anwendung zuverlässig zu ihrem Ausgangspunkt zurückfinden und von einem größeren Roboter wieder aufgenommen werden können. Die Forscher sehen ihre Arbeit als Nachweis, dass eine menschenähnliche Hand Fortbewegung und Handhabung mit denselben Fingern verbinden kann. Aus einer Idee aus Film und Fernsehen ist damit ein funktionierender Prototyp geworden, der auf dem Labortisch seine ersten Schritte macht.
arXiv, Fingers as Legs: Learning Self-Supported Locomotion and Manipulation with an Anthropomorphic Hand (Soft Robotics Lab, ETH Zürich, September 2026)