Vierbeinige Laufroboter müssen sich sicher und effizient durch raues, dynamisch veränderliches Gelände bewegen können. Bisherige Steuerungsverfahren weisen dabei erhebliche technische Grenzen auf. Die modellprädiktive Steuerung optimiert zwar die Bewegungsplanung, ist jedoch stark von präzisen Dynamikmodellen abhängig, die in der Praxis schwer zu kalibrieren sind und häufig mathematische Vereinfachungen erfordern. Der alternative Ansatz des modellfreien Verstärkungslernens erzeugt robuste Grundverhalten, bleibt nach dem Training jedoch starr und lässt kaum flexible Anpassungen an neue Situationen zu. Ein neu entwickeltes KI-gestütztes Kontrollsystem soll diese Limitierungen adressieren. Durch die Integration adaptiver Lernverfahren in die Echtzeitregelung wird eine deutlich erhöhte Terrainanpassungsfähigkeit ermöglicht. Das System reagiert dynamisch auf unerwartete Hindernisse und Bodenveränderungen, ohne auf starre Trainingsdaten oder vereinfachte physikalische Modelle angewiesen zu sein. Diese Entwicklung stellt einen wesentlichen Fortschritt für den autonomen Einsatz von Laufrobotern in industriellen, bergbautechnischen und rettungstechnischen Anwendungen dar, wo Zuverlässigkeit und flexible Mobilität im komplexen Gelände entscheidend sind.