<note important> Achtung: Benutzt diese Vorlage für eure Wiki-Einträge!! !! </note>

<note tip> Hier findet ihr Hilfestellungen beim Formatieren des Wikis: HowTo - Wiki-Format
Hier gibt es Hilfe zum Erstellen eines Tutorials/Podcasts HowTo - Tutorial </note>

Viele Bewegungen im täglichen Umfeld sind für den Menschen selbstverständlich und geschehen häufig automatisiert. Gehen wir auf unebenem Gelände oder über Kopfsteinpflaster, ist es trotz der sich ändernden Umgebung nicht notwendig, dass wir uns gedanklich auf die Ausführung konzentrieren. Ebenso unter anderen Bedingungen, wie beim Tragen eines Korbes, was eine einseitige zusätzliche Masse bedeutet, können wir uns häufig ohne Schwierigkeiten fortbewegen. Intuitiv scheinen wir unter den veränderten Bedingung unseren Gang zu stabilisieren und anzupassen. Dies kann bewältigt werden, obwohl die Beine eines Menschen nicht exakt gleich sind. Beispielsweise haben viele Menschen unterschiedlich lange Beine (Gurney, 2002). Auch, dass Fußballspieler ein bevorzugtes Bein zum Abschuss haben und damit höhere Ballgeschwindigkeiten erzeugen können, deutet auf Asymmetrien im Körper hin (Dörge et al., 2002).

In Deutschland wurden im Jahr 2016 fast 65000 Amputationen des Fußes und der unteren Extremitäten durchgeführt (Statistisches Bundesamt, 2016). Um technischen Ersatz zu entwickeln, der die biomechanische Funktion wieder herstellt und dem Träger das Gefühl gibt, auf den zwei eigenen Beinen zu laufen, ist ein tiefergehendes Verständnis der Lokomotion notwendig. Zudem findet dies Anwendung in der Entwicklung von Orthesen, Exoskeletten und Robotern. Insbesondere stellt sich dabei die Frage, wie der Mensch sich an seine Umgebung anpasst, um diese Regelstrategien nachbilden und auf ein technisches System übertragen zu können.

Das Gehen oder Rennen als grundlegende Arten der Lokomotion erfordern die Schwerpunktbewegung in drei Dimensionen. Aufgrund der Komplexität der Interaktion zwischen Bestandteilen des mechanischen und des neuronalen Systems ist diese noch nicht vollständig verstanden. Um sich diesem Thema anzunähern, wird in dieser Thesis das Hüpfen auf der Stelle untersucht, welches der vertikalen Schwingung der Lokomotion entspricht (Häufle et al., 2010).

Es fragt sich, welchen Einfluss beispielsweise die im Alter verringerte Muskelkraft auf unsere Bewegung hat (Hortobágyi und Devita, 2000). Oder wie wir unsere Bewegung auf anderen unebenen Untergründen anpassen, z. B. auf Kopfsteinpflaster. Auch das Laufen auf weichem Untergrund wie Gras, also ein nachgiebiger Boden, stellt eine alltägliche Bewegung unter Störung dar.

Ziel dieser Arbeit ist es, die Robustheit eines reflex-nutzenden neuromechanischen Hüpfmodells nach Geyer (Geyer et al., 2003) mittels simulativ aufgeprägter Störungen zu analysieren. Dabei werden sowohl sensorische Störungen, wie Rauschen oder Signalverzögerung, als auch mechanische Störungen, wie Beinlängenunterschiede oder Bodenhöhenveränderungen, betrachtet. Das Störverhalten wird anschließend anhand von Kriterien quantifiziert, die die Stabilität, die Performance und die Effizienz des Hüpfmusters beschreiben, wie z. B. Anzahl der Hüpfer, Hüpfhöhe und metabolische Effizienz. In der Literatur wird angedeutet, dass der Bereich des stabilen Gehens und Rennens durch simulierte Asymmetrien zwischen den Beinen nicht zwangsläufig verringert wird und sogar für spezielle Asymmetrien des Beinwinkels beim Auftreten erweitert werden kann (Merker et al., 2015; Merker et al., 2011). Hierdurch und durch die Gegebenheiten in der Realität motiviert, wird das Hüpfverhalten unter asymmetrischen Bedingungen betrachtet. Dazu wird das Hüpfmodell um ein zweites Bein erweitert. Anschließend wird anhand von Bodenhöhenvariationen untersucht, in welchem Maße Störungen ausgeglichen werden können und ob sich dies in Abhängigkeit der Feedbackkonfiguration verändert. Des Weiteren wird an diesem Beispiel das Modell validiert, indem ein Vergleich der vorausgesagten Beinsteifigkeit mit experimentellen Ergebnissen angestellt wird. Zuletzt soll geprüft werden, ob eine adaptive Einstellung der Reflexparameter das Störverhalten verbessern kann. Diese Erkenntnisse können genutzt werden, um die Qualität von Assistenzsystemen, wie Prothesen und Orthesen, zu steigern, indem z. B. an den Menschen angepasste Regelungen verwendet werden.

Ein einführendes Beispiel kann helfen, die Problemstellung zu verdeutlichen. An dieser Stelle wird ein kurzes Video (<3min) gerne gesehen, wenn nicht bereits bei der Einleitung eines gezeigt wurde.

Hier wird bspw. der theoretische Hintergrund aufgearbeitet. Verwendete Blockzitate (mehr als 40 Worte) werden dabei wie folgt formatiert:

Beispielsweise beschreibt Hermann (2001) die Konsequenzen von Verletzungen für Leistungssportler wie folgt:

Für Leistungssportler . . . bedeuten Verletzungen oftmals einen tiefen Ein-schnitt in den Lebensrhythmus mit unklaren Konsequenzen für die weitere körperliche Leistungsfähigkeit und – damit verbunden – für die weitere sportli-che Entwicklung. Je nach individueller Bedeutung des Sports und der Schwere der Läsion können diese Verletzungen mit deutlichen bis massiven psychischen Problemen behaftet sein und für Professionals noch zusätzlich monetär existenzielle Folgen haben. (S. 5)

Andere Zitationsweisen finden sich hier: Studienleitfaden des IfS - Version 4

Abb.2: Translation auf einer Kreisbahn (mod. nach Hochmuth, 1967, S.14).

Nach Ballreich (1996, S. 57) beschreibt die Kinematik (hier Translation) die Bewegung eines Punktes:
„Als Beispiel kann ein Sprinter herangezogen werden, dessen Bewegungen entlang der Laufbahn an dem Körperoberflächenpunkt gemessen wird, der als erster die Lichtschranke am Ziel durchbricht. Nur für diesen Punkt gilt die Zeitangabe“.

Es gibt auch die Möglichkeit Videos einzubinden… dieses Beispielvideo zeigt Hochgeschwindigkeitsaufnahmen von Vorwärts- bzw. Rückwärtssaltos:

Bei der Youtube Einbindung müsst ihr beachten, dass ihr nur einen Teil des originalen Links benötigt.
Im folgenden Abschnitt haben wir das mal verdeutlicht.

Original-Link: https://www.youtube.com/watch?v=CuVB8YpQlYQ

Syntax für Youtube Video {{ youtube>large:Teil-URL| Titel }}

Einbindung ins Wiki {{ youtube>large:CuVB8YpQlYQ|by Slo Mo Guys }}

Oder kleine Anmerkungen einzufügen:

<note> Notiz 1 </note>

<note tip> Tipp 1 </note>

<note important> Achtung 1 </note>

Hier werden weitere theoretische Hintergründe aufgearbeitet, z.B. aufbauend oder ergänzend zum Abschnitt Inhalt1.

Verwendete Blockzitate (mehr als 40 Worte) werden dabei wie folgt formatiert:
Beispielsweise beschreibt Hermann (2001) die Konsequenzen von Verletzungen für Leistungssportler wie folgt:

Für Leistungssportler . . . bedeuten Verletzungen oftmals einen tiefen Ein-schnitt in den Lebensrhythmus mit unklaren Konsequenzen für die weitere körperliche Leistungsfähigkeit und – damit verbunden – für die weitere sportli-che Entwicklung. Je nach individueller Bedeutung des Sports und der Schwere der Läsion können diese Verletzungen mit deutlichen bis massiven psychischen Problemen behaftet sein und für Professionals noch zusätzlich monetär existenzielle Folgen haben. (S. 5)

Andere Zitationsweisen finden sich hier: Studienleitfaden

Um wiederkehrende Fragen nach der Beschriftung von Tabellen vorzubeugen wird in diesem Abschnitt ein Beispiel gegeben, wie eine Tabelle nach den Zitationsrichtlinien des IFS (vgl. Studienleitfaden) aussehen könnte:

In dieser Arbeit konnte das Störverhalten eines zweibeinigen reflektorischen Hüpfmodells mit je einem Streckmuskel quantifiziert werden und durch eine adaptive Feedbackgainanpassung eine höhere Robustheit erreicht werden.

Basierend auf dem Modell nach Geyer (Geyer et al., 2003), wurde durch Schumacher (Schumacher und Seyfarth, 2017) eine Erweiterung zur Abmischung mehrerer Feedbacks implementiert. Dieses erweiterte Modell wurde in dieser Arbeit zusätzlich um ein zweites Bein ergänzt.

Die Störuntersuchungen anhand der Sensor-Motor Maps haben ergeben, dass die Topologien robust gegen Veränderung der Feedbackgains, des LFB-Offset und der Bodennachgiebigkeit waren. Dagegen wurde bei Änderung der Beinlänge, des LFB-Offset oder bei Störung der Sensorsignale durch Delay und Rauschen zusätzlich die Status Stehenbleiben und Schwingen vorhergesagt. Dies galt bei Verzögerung des VFB sowie aller Feedbacks und bei Verrauschen des LFB sowie aller Feedbacks. Überraschenderweise wurde durch das Rauschen der ursprüngliche Instabilitätsbereich verkleinert.
Für das LFB-Offset und alle getesteten Verzögerungen der Sensorsignale wurde zusätzlich die Topologie der Performance und der anderen Untersuchungskriterien teilweise grundlegend verändert.

In dieser Arbeit wurden nur einzeln wirkende Störungen betrachtet. In weitergehenden Studien sollten Kombinationen von Störungen getestet werden, da der Mensch in seiner Umwelt auch gleichzeitig von verschiedenen Störungen umgeben ist, wie beispielsweise das Laufen auf einer Wiese (nachgiebiger Boden) mit Löchern (Bodenhöhenvariation). Hier wäre interessant, ob der asymmetrische Delay oder das Rauschen, die beide den Stabilitätsbereich vergrößerten, genutzt werden können, um robuster auf Bodenabsenkungen zu reagieren.

Die asymmetrische Störung durch einseitige Verzögerung der Sensorssignale konnte den Stabilitätsbereich vergrößern. Andere Asymmetrien zeigten grundsätzlich den halben Effekt einer symmetrischen Störung, sodass kein Einfluss durch die Asymmetrie selbst feststellbar war.

Die Untersuchung der Asymmetrie sollte in zukünftigen Arbeiten erweitert werden. Merker fand lediglich für eine bestimmte Einstellung der Asymmetrie eine verbesserte Stabilität (Merker et al., 2011). In dieser Arbeit wurden jeweils nur zwei Asymmetrieeinstellungen je Störung betrachtet. Ähnlich wie die Untersuchung der Bodenhöhenstörung sollte die Asymmetrie immer weiter gesteigert und die Stabilitätsgrenzen aufgetragen werden.

Die Untersuchung der Kapazität des Modells, Störungen auszugleichen, wurde anhand von Bodenhöhenvariationen durchgeführt. Der Vergleich von effizienz- und performance-optimierten Feedbackparametern zeigte, dass erstere Feedbackeinstellung zu einer größeren Robustheit führt. Allgemein konnte festgestellt werden, dass Feedbacks mit einer im ungestörten Fall höheren Performance weniger robust sind als solche mit einer niedrigen Hüpfhöhe.

Es blieb offen, wie es bei den Bodenanhebungen zu Unterschieden der Robustheit verschiedener Feedbackkonfigurationen kam. Weitere Untersuchungen bei Aufprägen der Störung in der Standphase, sodass das hybride System nicht von Flug- in Standphase wechselt, sollten durchgeführt werden.

Außerdem wurde die Ausregelzeit nach Störungen nicht beachtet. Zukünftige Arbeiten sollten diese berücksichtigen. Dabei stellt sich die Frage, ob besonders stabile Blendings Störungen langsamer ausregeln bzw. andere Zusammenhänge zwischen Robustheit und Performance gefunden werden können. Außerdem ist nicht untersucht, ob die Robustheit durch die Kombination mit Feedforward noch verbessert werden kann.

Zum Vergleich des menschlichen Hüpfverhaltens mit dem Modell wurden zwei Probanden betrachtet. Diese reagierten unterschiedlich auf die unerwartete Bodenhöhenstörung. Proband 1 hielt seine Beinsteifigkeit konstant, Proband 2 erhöhte seine Beinsteifigkeit im gestörten Sprung stark. Dabei war diese Verstärkung umso größer, je höher die Störung war. Entgegen diesen Beobachtungen, sagte das Modell eine verringerte Beinsteifigkeit als im ungestörten Fall voraus. Die Beinsteifigkeit wurde umso geringer, je tiefer der Boden absank. Das experimentelle Ergebnis konnte daher durch das Modell mit konstanten Feedbackparametern nicht abgebildet werden. Für eine realitätsnahe Betrachtung wird daher eine adaptive Gainanpassung notwendig.

Zur Validierung des Modells wurden nur zwei Probanden herangezogen. Um zu untersuchen, wie der Mensch seine Beinsteifigkeit anpasst, werden weitere Ergebnisse benötigt, da die Probanden stark verschiedene Störreaktionen zeigten. Zudem ist unklar, ob Ergebnisse beim Laufen, die andeuten, dass die Beinsteifigkeit bei Bodenabsenkungen konstant gehalten wird, auf das Hüpfen übertragbar sind.

Im letzten Teil konnte gezeigt werden, dass durch lineare Gainanpassung des FFB, die Verringerung der Steifigkeit im gestörten Sprung vermindert und damit auch die Robustheit bei Bodenabsenkungen erhöht werden konnte. Dafür wurden zwei lineare Interpolationen zwischen Gain und Fallhöhe getestet, eine mit kleinen Bodenabsenkungen als Stützstelle, die zweite mit einer kleinen und einer großen Bodenabsenkung. Beide getesteten Interpolationen konnten Bodenanhebungen nur noch im geringerem Maße stabilisieren als dies bei einer konstante Feedbackverstärkung der Fall war. Mit einer exponentiellen Regression konnten die Vorteile der beiden linearen Interpolation teilweise kombiniert werden, sodass Bodenanhebungen wie für die erste lineare Interpolation und Bodenabsenkungen im ähnlich großen Maß wie bei der zweiten Variante der linearen Interpolation stabilisiert werden konnten. Durch diese einfachen Anpassungen des Gains an die Fallhöhe bzw. Flugzeit ließ sich das menschliche Verhalten bei Bodenabsenkungen bereits besser abbilden. Abweichungen zu den experimentellen Ergebnissen bestehen aber nach wie vor. Da die Ergebnisse jedoch stark davon abhingen, welche Stützstellen gewählt wurden, wurde zusätzlich ein Verfahren des Reinforcement Learnings implementiert, welches selbstständig die Gains an den aktuellen Status des Modells anpasst. Dieses Modell konnte zum Schwingen stabilisiert werden, Hüpfen konnte allerdings nur in einzelnen Samples beobachtet werden, sodass eine Auswertung der Robustheit nicht möglich ist.

Das Lernverfahren konnte bisher nicht zum Hüpfen führen. Es sollten weitere Modifikationen getestet werden, wie eine andere Definition des Status, eine höhere Anzahl der Samples zum Annähern an den Gradienten oder eine andere Verteilungsfunktion der upper-level policy.
Denkbar ist außerdem die Wahl eines anderen Lernverfahrens, z. B. Natural gradients, die die Änderung der Parameter der upper-level policy einschränkt. Dabei wird statt einer festen Lernrate für alle Dimensionen der upper-level policy eine unterschiedliche Gewichtung derer vorgenommen, sodass diese in unterschiedlich großen Schrittweiten angepasst werden.

[1] ALEXANDER, R M.: Optimum muscle design for oscillatory movements. In: Journal of theoretical Biology 184 (1997), Nr. 3, S. 253–259

[2] BEAR, Mark F. ; CONNORS, Barry W. ; ENGEL, Andreas: Neurowissenschaften: Ein grundlegendes Lehrbuch für Biologie, Medizin und Psychologie. 3. Spektrum Akademischer Verlag, 2009. – ISBN 978-3-8274-2028-2

[3] BISHOP, Christopher M. u. a.: Pattern recognition and machine learning (information science and statistics). (2006)

[4] BLUM, Yvonne ; RUMMEL, Juergen ; SEYFARTH, Andre: Advanced swing leg control for stable locomotion. In: Autonome Mobile Systeme 2007. Springer, 2007, S. 301–307

[5] CAMPBELL, Neil A. ; REECE, Jane B.: Biologie. 2009

[6] CAVAGNA, GA ; SAIBENE, FP ; MARGARIA, R: Mechanical work in running. In: Journal of applied physiology 19 (1964), Nr. 2, S. 249–256

[7] CRAIG, John J.: Introduction to robotics: mechanics and control. Bd. 3. Pearson/Prentice Hall Upper Saddle River, NJ, USA:, 2005

[8] DALEY, Monica A. ; BIEWENER, Andrew A.: Running over rough terrain reveals limb control for intrinsic stability. In: Proceedings of the National Academy of Sciences 103 (2006), Nr. 42, S. 15681– 15686

[9] DEAN, Jesse C.: Proprioceptive feedback and preferred patterns of human movement. In: Exercise and sport sciences reviews 41 (2013), Nr. 1, S. 36–43

[10] DEISENROTH, Marc ; RASMUSSEN, Carl E.: PILCO: A model-based and data-efficient approach to policy search. In: Proceedings of the 28th International Conference on machine learning (ICML-11), 2011, S. 465–472

[11] DEISENROTH, Marc P. ; NEUMANN, Gerhard ; PETERS, Jan u. a.: A survey on policy search for robotics. In: Foundations and Trends® in Robotics 2 (2013), Nr. 1–2, S. 1–142

[12] DIETZ, V ; SCHMIDTBLEICHER, D ; NOTH, J: Neuronal mechanisms of human locomotion. In: journal of Neurophysiology 42 (1979), Nr. 5, S. 1212–1222

[13] DIETZ, Volker: Proprioception and locomotor disorders. In: Nature Reviews Neuroscience 3 (2002), Nr. 10, S. 781

[14] DONELAN, J M. ; KRAM, Rodger u. a.: Mechanical and metabolic determinants of the preferred step width in human walking. In: Proceedings of the Royal Society of London B: Biological Sciences 268 (2001), Nr. 1480, S. 1985–1992

DÖRGE, Henrik C. ; ANDERSEN, T B. ; SØRENSEN, Henrik ; SIMONSEN, Erik B.: Biomechanical differences in soccer kicking with the preferred and the non-preferred leg. In: Journal of sports sciences 20 (2002), Nr. 4, S. 293–299

[16] ERTEL, Wolfgang: Grundkurs Künstliche Intelligenz. In: Auflage, Wiesbaden (2009) 68

[17] FAISAL, A A. ; SELEN, Luc P. ; WOLPERT, Daniel M.: Noise in the nervous system. In: Nature reviews neuroscience 9 (2008), Nr. 4, S. 292

[18] FARLEY, Claire T. ; BLICKHAN, Reinhard ; SAITO, Jacqueline ; TAYLOR, C R.: Hopping frequency in humans: a test of how springs set stride frequency in bouncing gaits. In: Journal of applied physiology 71 (1991), Nr. 6, S. 2127–2132

[19] FARLEY, Claire T. ; MORGENROTH, David C.: Leg stiffness primarily depends on ankle stiffness during human hopping. In: Journal of biomechanics 32 (1999), Nr. 3, S. 267–273

[20] FERRIS, Daniel P. ; FARLEY, Claire T.: Interaction of leg stiffness and surface stiffness during human hopping. In: Journal of applied physiology 82 (1997), Nr. 1, S. 15–22

[21] FERRIS, Daniel P. ; LOUIE, Micky ; FARLEY, Claire T.: Running in the real world: adjusting leg stiffness for different surfaces. In: Proceedings of the Royal Society of London B: Biological Sciences 265 (1998), Nr. 1400, S. 989–994

[22] FULL, Robert J. ; KODITSCHEK, Daniel E.: Templates and anchors: neuromechanical hypotheses of legged locomotion on land. In: Journal of experimental biology 202 (1999), Nr. 23, S. 3325–3332

[23] GEYER, Hartmut: Simple models of legged locomotion based on compliant limb behavior= Grundmodelle pedaler Lokomotion basierend auf nachgiebigem Beinverhalten, Dissertation, 2005

GEYER, Hartmut ; SEYFARTH, Andre ; BLICKHAN, Reinhard: Positive force feedback in bouncing gaits? In: Proceedings of the Royal Society of London B: Biological Sciences 270 (2003), Nr. 1529, S. 2173– 2183

[25] GRIMMER, Sten ; ERNST, Michael ; GÜNTHER, Michael ; BLICKHAN, Reinhard: Running on uneven ground: leg adjustment to vertical steps and self-stability. In: Journal of Experimental Biology 211 (2008), Nr. 18, S. 2989–3000

GURNEY, Burke: Leg length discrepancy. In: Gait & posture 15 (2002), Nr. 2, S. 195–206

[27] HÄUFLE, DFB ; GRIMMER, S ; KALVERAM, K-T ; SEYFARTH, A: Integration of intrinsic muscle properties, feed-forward and feedback signals for generating and stabilizing hopping. In: Journal of The Royal Society Interface 9 (2012), Nr. 72, S. 1458–1469

HÄUFLE, DFB ; GRIMMER, Sten ; SEYFARTH, Andre: The role of intrinsic muscle properties for stable hopping–stability is achieved by the force-velocity relation. In: Bioinspiration & biomimetics 5 (2010), Nr. 1, S. 016004

[29] HATZFELD, Christian: Experimentelle Analyse der menschlichen Kraftwahrnehmung als ingenieurtechnische Entwurfsgrundlage für haptische Systeme. Dr.-Hut-Verlag, 2013

[30] HERZOG, WALTER ; NIGG, BENNO M. ; READ, LYNDA J. ; OLSSON, EWA: Asymmetries in ground reaction force patterns in normal human gait. In: Med Sci Sports Exerc 21 (1989), Nr. 1, S. 110– 114

[31] HILL, A V.: The heat of shortening and the dynamic constants of muscle. In: Proc. R. Soc. Lond. B 126 (1938), Nr. 843

HORTOBÁGYI, Tibor ; DEVITA, Paul: Muscle pre-and coactivity during downward stepping are associated with leg stiffness in aging. In: Journal of Electromyography and Kinesiology 10 (2000), Nr. 2, S. 117–126

[33] KNUDSON, Duane u. a.: The biomechanics of stretching. In: Journal of Exercise Science and Physiotherapy 2 (2006), S. 3

[34] KOBER, Jens ; BAGNELL, J A. ; PETERS, Jan: Reinforcement learning in robotics: A survey. In: The International Journal of Robotics Research 32 (2013), Nr. 11, S. 1238–1274

[35] KRISHNASWAMY, Pavitra ; BROWN, Emery N. ; HERR, Hugh M.: Human leg model predicts ankle muscle-tendon morphology, state, roles and energetics in walking. In: PLoS computational biology 7 (2011), Nr. 3, S. e1001107

[36] KUO, Arthur D.: An optimal state estimation model of sensory integration in human postural balance. In: Journal of Neural Engineering 2 (2005), Nr. 3, S. S235

[37] LANG, Florian ; LANG, Philipp: Basiswissen Physiologie. 2. Springer-Verlag, 2007. – ISBN 978-3-540- 71402-6

[38] LANTZ, Brett: Machine learning with R. Packt Publishing Ltd, 2013

[39] MCDONAGH, Martin J. ; DUNCAN, Audrey: Interaction of pre-programmed control and natural stretch reflexes in human landing movements. In: The Journal of physiology 544 (2002), Nr. 3, S. 985–994

[40] MCNEILL ALEXANDER, R: Energetics and optimization of human walking and running: the 2000 Raymond Pearl memorial lecture. In: American journal of human biology 14 (2002), Nr. 5, S. 641– 648

MERKER, Andreas ; KAISER, Dieter ; SEYFARTH, Andre ; HERMANN, Martin: Stable running with asymmetric legs: A bifurcation approach. In: International Journal of Bifurcation and Chaos 25 (2015), Nr. 11

MERKER, Andreas ; RUMMEL, Juergen ; SEYFARTH, Andre: Stable walking with asymmetric legs. In: Bioinspiration & biomimetics 6 (2011), Nr. 4

[43] MORITZ, Chet T. ; FARLEY, Claire T.: Passive dynamics change leg mechanics for an unexpected surface during human hopping. In: Journal of Applied Physiology 97 (2004), Nr. 4, S. 1313–1322

[44] MÜLLER, Roy ; BLICKHAN, Reinhard: Running on uneven ground: leg adjustments to altered ground level. In: Human movement science 29 (2010), Nr. 4, S. 578–589

[45] PERTTUNEN, JR ; ANTTILA, E ; SÖDERGÅRD, J ; MERIKANTO, J ; KOMI, PV: Gait asymmetry in patients with limb length discrepancy. In: Scandinavian journal of medicine & science in sports 14 (2004), Nr. 1, S. 49–56

[46] PETERSEN, Kaare B. ; PEDERSEN, Michael S. u. a.: The matrix cookbook. In: Technical University of Denmark 7 (2008), Nr. 15, S. 510

[47] PROCHAZKA, Arthur ; ELLAWAY, Peter: Sensory systems in the control of movement. In: Comprehensive Physiology (2012)

[48] PROCHAZKA, Arthur ; GILLARD, Deborah ; BENNETT, David J.: Implications of positive feedback in the control of movement. In: Journal of neurophysiology 77 (1997), Nr. 6, S. 3237–3251

[49] REID, DC ; SMITH, B: Leg length inequality: a review of etiology and management. In: Physiotherapy Canada 36 (1984), Nr. 4, S. 177–182

[50] ROBERTSON, Benjamin D. ; SAWICKI, Gregory S.: Exploiting elasticity: Modeling the influence of neural control on mechanics and energetics of ankle muscle–tendons during human hopping. In: Journal of theoretical biology 353 (2014), S. 121–132

[51] ROTTMANN, Oswald ; HÖFER, Paul: Lexikon Biologie: Fachbegriffe der Biologie. Stark, 2002 70

[52] RÜCKSTIESS, Thomas ; SEHNKE, Frank ; SCHAUL, Tom ; WIERSTRA, Daan ; SUN, Yi ; SCHMIDHUBER, Jürgen: Exploring parameter space in reinforcement learning. In: Paladyn 1 (2010), Nr. 1, S. 14– 24

[53] SANTELLO, Marco ; MCDONAGH, Martin: The control of timing and amplitude of EMG activity in landing movements in humans. In: Experimental Physiology 83 (1998), Nr. 6, S. 857–874

[54] SCHMIDT, Robert F. ; LANG, Florian ; HECKMANN, Manfred: Physiologie des Menschen: mit Pathophysiologie. 29. Springer-Verlag, 2005. – ISBN 978-3-540-26416-3\ß
[55] SCHUMACHER, Christian ; SEYFARTH, André: Sensor-Motor Maps for describing linear reflex composition in hopping. In: Frontiers in computational neuroscience 11 (2017)

SCHUMACHER, Christian ; SEYFARTH, André: Sensor-motor maps for hopping – influence of changes in muscle properties. In: Bernstein Conference 2017 (2017)

[57] SEHNKE, Frank ; OSENDORFER, Christian ; RÜCKSTIESS, Thomas ; GRAVES, Alex ; PETERS, Jan ; SCHMIDHUBER, Jürgen: Parameter-exploring policy gradients. In: Neural Networks 23 (2010), Nr. 4, S. 551– 559

[58] SEYFARTH, A ; BLICKHAN, Reinhard ; VAN LEEUWEN, JL: Optimum take-off techniques and muscle design for long jump. In: Journal of Experimental Biology 203 (2000), Nr. 4, S. 741–750

STATISTISCHES BUNDESAMT: Fallpauschalenbezogene Krankenhausstatistik (DRG-Statistik) Operationen und Prozeduren der vollstationären Patientinnen und Patienten in Krankenhäusern - Ausführliche Darstellung -, Statistisches Bundesamt, 2017

[60] SUN, Yi ; WIERSTRA, Daan ; SCHAUL, Tom ; SCHMIDHUBER, Juergen: Efficient natural evolution strategies. In: Proceedings of the 11th Annual conference on Genetic and evolutionary computation ACM (Veranst.), 2009, S. 539–546

[61] SUTTON, Richard S. ; BARTO, Andrew G.: Reinforcement learning: An introduction. Bd. 2. MIT press Cambridge, 2018

[62] VAN DER KROGT, Marjolein M. ; DE GRAAF,WendyW. ; FARLEY, Claire T. ;MORITZ, Chet T. ; RICHARD CASIUS, LJ ; BOBBERT, Maarten F.: Robust passive dynamics of the musculoskeletal system compensate for unexpected surface changes during human hopping. In: Journal of Applied Physiology 107 (2009), Nr. 3, S. 801–808

[63] WOLPERT, Daniel M. ; FLANAGAN, J R.: Motor prediction. In: Current biology 11 (2001), Nr. 18, S. R729–R732

[64] ZEHR, E P.: Training-induced adaptive plasticity in human somatosensory reflex pathways. In: Journal of applied physiology 101 (2006), Nr. 6, S. 1783–1794

[65] ZUUR, Abraham T. ; LUNDBYE-JENSEN, Jesper ; LEUKEL, Christian ; TAUBE,Wolfgang ; GREY, Michael J. ; GOLLHOFER, Albert ; NIELSEN, Jens B. ; GRUBER, Markus: Contribution of afferent feedback and descending drive to human hopping. In: The Journal of physiology 588 (2010), Nr. 5, S. 799–807