Das Entwickeln von Laufmustern, für kinematisch komplexe Roboter, ist in den meisten Fällen eine sehr aufwendige Beschäftigung. In diesem Vortrag wurde ein Ansatz vorgestellt, der mit Hilfe eines evolutionären Algorithmuses diese Aufgabe den Entwicklern eines Roboters abnimmt. Der Steuerungsansatz ist biologisch inspiriert und basiert auf zentralen Mustergeneratoren (CPG). Die eigentlichen Muster für die Bewegungen werden mit einer Funktion beschrieben, die auf der Sinuskurve basiert. Das Ergebnis der Funktion für einzelne Kurven wird über vier Parameter festgelegt. Diese vier Parameter werden dann für die Gelenke eines Roboters gelernt. Da für das Lernen der Parameter ein evolutionärer Algorithmus verwendet wird, findet dieses Lernen in einer Simulation statt, so dass auf dem realen Roboter nur noch eine Optimierung geschehen muss.

Sehr entscheidend für den Erfolg des Lernalgorithmuses ist die Fitnesfunktion, die das Laufverhalten bewertet. Im Laufe der Experimente, die innerhalb der Diplomarbeit durchgeführt werden, soll eine abstrakte Fitnesfunktion entstehen, die für alle Roboter ein gutes Resultat herbeigeführt. Erste Experimente sind in diesem Vortrag beschrieben.