Forschung / Nachrichten

Warum Roboter im Einsatz lernen müssen: Lehren aus einem Experiment zu künstlichem Leben, veröffentlicht auf Zenodo des CERN

Ein Roboter im Lager, im Hotel oder zu Hause arbeitet selten in der Welt, in der er getestet wurde. Regale werden umgestellt, Böden werden nass, Menschen tun Dinge, die niemand eingeplant hat. Eine faire Frage jedes Käufers lautet daher: Wie weit kann sich ein Roboter selbst anpassen, und wie viel wiederholt er nur, was man ihm mitgegeben hat? minimir, ein Experiment zu künstlichem Leben, das RoboHub-Gründer Maksim Ilin konzipiert und durchgeführt hat, untersucht eine sehr einfache Version dieser Frage.

Von Maksim Ilin, Gründer von RoboHubVeröffentlicht: Beitrag veröffentlicht:

Auf einen Blick · berichtete Angaben

0 of 40

Welten überlebten ohne Lernen im Lebenslauf

8 of 40

Welten überlebten mit Lernen im Lebenslauf

128 × 128

Raster, auf dem die Wesen leben

DOI

Bericht auf Zenodo, dem offenen Archiv des CERN

Was minimir ist

minimir (Mini-Welt) ist eine kleine künstliche Welt. Einfache Wesen leben auf einem Raster von 128 mal 128 Feldern, suchen Nahrung, verbrauchen Energie, vermehren sich und sterben. Jedes trägt ein kleines neuronales Netz, das mit Mutationen an die Nachkommen weitergegeben wird. Ziele oder Belohnungen gibt ihnen niemand: Was sie am Ende tun, muss die Evolution selbst finden. Das Projekt hat eine eigene Seite unter minimir.ilinmaks.com.

Die Regeln dieser Welt ändern sich unvorhersehbar. Zu zufälligen Zeitpunkten wird Nahrung, die bisher essbar war, zu Gift. Die Frage hinter dem Experiment ist in der Biologie alt: Wann lohnt es sich für ein Wesen, während seines eigenen Lebens zu lernen, statt sich auf das Angeborene zu verlassen? Lernen kostet etwas, in einer stabilen Welt sollte festes Verhalten also gewinnen. In einer Welt, die sich ständig ändert, könnte Lernen der einzige Weg sein.

Wie es lief und was herauskam

Das Experiment ist präregistriert: Hypothesen, Bedingungen sowie Erfolgs- und Abbruchkriterien wurden vor dem ersten Lauf aufgeschrieben und eingefroren, damit sich die Torpfosten nach Eingang der Daten nicht verschieben ließen. Der Bericht zu Protokoll B ist auf Zenodo veröffentlicht, dem offenen Forschungsarchiv des CERN, mit der DOI 10.5281/zenodo.23713552.

Das zentrale Ergebnis ist ein Kontrast. In Welten, in denen Lernen im Lebenslauf abgeschaltet war, starben alle 40 aus. Mit eingeschaltetem Lernen überlebten 8 von 40. Der Bericht sagt auch offen, was nicht funktionierte: Die präregistrierte Haupthypothese hat diese Runde nicht bestanden, weil die meisten Welten mit Lernen ebenfalls beim ersten Wechsel der Nahrungsregel ausstarben.

Am interessantesten sind die Überlebenden. Laut dem Beitrag auf Maksims Website geht jede der 8 überlebenden Welten auf wenige Individuen zurück, die beim Regelwechsel bereits hohe Lernraten hatten. Biologen nennen das evolutionäre Rettung: Eine Population überlebt, weil die passende Vielfalt schon vorhanden war, als sich die Umwelt gegen sie wandte.

Was es nicht zeigt

minimir ist ein Modell künstlichen Lebens, keine Roboterstudie. Seine Wesen sind winzige Netze auf einem Raster, keine Maschinen mit Armen, Kameras und Sicherheitssystemen, und nichts davon wurde an einem echten Roboter getestet. Es sagt nicht, welchen Roboter man kaufen sollte, und beweist nicht, dass lernende Roboter grundsätzlich besser sind.

Es zeigt aber einen Zielkonflikt sehr klar. Lernen kostet etwas und zahlt sich nur aus, wenn sich die Welt so ändert, dass festes Verhalten nicht mehr reicht. Selbst dann ist es keine Garantie: In minimir starben die meisten lernenden Welten trotzdem.

Wie man die Idee bei der Roboterwahl nutzt

Beginnen Sie damit, wie stark sich Ihre Umgebung ändert. An einer festen Produktionslinie mit täglich denselben Teilen ist ein Roboter mit festem Programm günstiger, berechenbarer und leichter zu zertifizieren. In einem Laden, Hotel, Haushalt oder Lager, in dem sich Layout, Waren und Menschen ständig ändern, hat ein Roboter, der sich anpassen oder schnell neu trainiert werden kann, einen echten Vorteil.

Stellen Sie dann konkrete Fragen. Was passiert, wenn der Roboter auf einen neuen Gegenstand oder ein neues Layout trifft? Passt er sich vor Ort an oder wartet er auf ein Update des Herstellers, und wie lange dauert das? Wer prüft, was er gelernt hat, bevor er wieder arbeitet? Lautet die Antwort Fernbediener, fragen Sie, wer diese Person ist und was sie sieht.

Praxistests machen das sichtbar. Im November 2026 betrieben sechs AgiBot-G2-Roboter 24 Stunden lang einen Laden in Shanghai, und der Reinigungsroboter scheiterte, als ein voller Mülleimer seinen Weg versperrte. Genau in solchen Momenten reicht festes Verhalten nicht mehr, und jemand muss sich anpassen, der Roboter oder die Menschen um ihn herum.

Offener Code und weiterführende Links

In minimir ist alles offen: die eingefrorene Präregistrierung, der Code und die Rohdaten liegen auf GitHub, der Bericht auf Zenodo. Die ganze Geschichte von Protokoll B und den Plan für die nächste Runde B2 gibt es im Beitrag auf ilinmaks.com. Maksims Forschungsprofil steht auf ORCID, mehr über ihn auf der Seite Über RoboHub.

Roboter aus diesem Artikel

Häufige Fragen

+Was ist minimir?

Ein präregistriertes Experiment zu künstlichem Leben von Maksim Ilin. Einfache Wesen mit kleinen vererbten neuronalen Netzen leben auf einem Raster von 128 mal 128 Feldern mit unvorhersehbar wechselnden Regeln; getestet wird, wann sich Lernen im Lebenslauf evolutionär auszahlt.

+Ist das eine Roboterstudie?

Nein. Es ist ein Modell künstlichen Lebens, nichts davon wurde an einem physischen Roboter getestet. Es hilft beim Nachdenken darüber, wann sich Anpassungsfähigkeit lohnt, ist aber kein Beleg für einen bestimmten Roboter.

+Was war das zentrale Ergebnis?

Ohne Lernen im Lebenslauf starben alle 40 Welten aus, mit Lernen überlebten 8 von 40. Die präregistrierte Haupthypothese hat diese Runde nicht bestanden, weil die meisten lernenden Welten ebenfalls beim ersten Regelwechsel ausstarben.

+Wo ist der Bericht veröffentlicht?

Auf Zenodo, dem offenen Forschungsarchiv des CERN, unter der DOI 10.5281/zenodo.23713552. Code und Daten liegen auf GitHub unter akela1308/minimir, die Projektseite ist minimir.ilinmaks.com.

+Sollte ich einen Roboter wählen, der im Einsatz lernt?

Das hängt davon ab, wie stark sich Ihre Umgebung ändert. Für eine stabile Linie ist ein festes Programm meist günstiger und berechenbarer; für Läden, Hotels, Haushalte und gemischte Lager fragen Sie, wie der Roboter mit neuen Gegenständen und Layouts umgeht, wie schnell er neu trainiert werden kann und wer prüft, was er gelernt hat.

Quellen & redaktioneller Hinweis

Verfasst von Maksim Ilin, Gründer von RoboHub, über seine eigene Forschung. minimir ist ein Modell künstlichen Lebens, keine Roboterstudie; der Roboterteil ist die Deutung des Autors für RoboHub-Leser.

Roboter für Ihre Aufgabe