研究 / 新闻
为什么机器人需要在工作中学习:一项发表在 CERN Zenodo 上的人工生命实验带来的启示
仓库、酒店或家中的机器人,很少在它接受测试时的那个世界里工作。货架会挪动,地面会变湿,人会做出没人计划过的事。因此每个买家都该问:机器人能在多大程度上自己调整,又在多大程度上只是重复预设的内容?RoboHub 创始人 Maksim Ilin 设计并开展的人工生命实验 minimir,研究的正是这个问题的一个极简版本。
概览 · 报道中的说法
0 of 40
没有终身学习时存活的世界
8 of 40
有终身学习时存活的世界
128 × 128
生物生活的网格
DOI
报告发表于 CERN 运营的开放库 Zenodo
minimir 是什么
minimir(迷你世界)是一个小小的人工世界。简单的生物生活在 128 × 128 的网格上,觅食、消耗能量、繁殖和死亡。每个生物都带有一个小型神经网络,会带着突变遗传给后代。没有人给它们设定目标或奖励:它们最终做什么,都要靠进化自己找到。项目有独立网站 minimir.ilinmaks.com。
这个世界的规则会不可预测地变化:在随机时刻,原本能吃的食物会变成毒药。实验背后的问题在生物学中由来已久:生物什么时候值得在一生中学习,而不是依赖与生俱来的本能?学习是有成本的,所以在稳定的世界里,固定行为应该占优;而在不断变化的世界里,学习可能是唯一的出路。
实验过程与结果
实验经过预注册:假设、实验条件以及成功和失败标准在首次运行前就已写定并冻结,拿到数据后无法再改变标准。协议 B 的报告发表在 CERN 运营的开放研究库 Zenodo 上,DOI 为 10.5281/zenodo.23713552。
核心结果是一组对比。关闭终身学习的世界,40 个全部灭绝;开启学习后,40 个中有 8 个存活。报告也坦承了未成功的部分:预注册的主要假设在这一轮没有通过,因为大多数开启学习的世界同样在食物规则第一次变化时灭亡。
最有意思的是幸存者。据 Maksim 网站上的文章,8 个幸存世界中的每一个,都可以追溯到规则变化时已经具有较高学习率的少数个体。生物学家称之为“进化拯救”:种群之所以存活,是因为环境转向不利时,合适的变异已经存在。
它不能说明什么
minimir 是一个人工生命模型,不是机器人研究。其中的生物是网格上的微型神经网络,不是带手臂、摄像头和安全系统的机器,也没有在真实机器人上做过任何测试。它不能告诉你该买哪款机器人,也不能证明会学习的机器人总体上更好。
它提供的是一种看清某种取舍的清晰方式:学习有成本,只有当世界的变化超出固定行为的应对能力时才值得。即便如此也没有保证:在 minimir 中,大多数会学习的世界仍然灭亡了。
评估机器人时如何运用这个思路
先看你的环境变化有多大。在每天零件都一样的固定产线上,按固定程序运行的机器人更便宜、更可预测,也更容易认证。在商店、酒店、家庭或仓库里,布局、货品和人员不断变化,能自我调整或能快速重新训练的机器人才有真正的优势。
然后提出具体问题:机器人遇到新物品或新布局会怎样?它是在现场自我调整,还是等厂商更新?需要多长时间?它学到的东西在重新上岗前由谁检查?如果答案是“远程操作员”,就要问清这个人是谁、能看到什么。
现场测试能让这一点变得直观。2026 年 11 月,六台智元 G2 机器人在上海一家便利店连续工作 24 小时,其中清洁机器人在路线被装满的垃圾桶挡住时失败了。这正是固定行为不够用、必须有人调整的时刻,无论调整的是机器人还是它周围的人。
开源代码与延伸阅读
minimir 的一切都是公开的:冻结的预注册方案、代码和原始数据都在 GitHub 上,报告在 Zenodo 上。协议 B 的完整经过以及下一轮 B2 的计划,见 ilinmaks.com 上的文章。Maksim 的学术档案在 ORCID,更多介绍见“关于 RoboHub”页面。
本文涉及的机器人
常见问题
+minimir 是什么?
Maksim Ilin 的一项预注册人工生命实验。带有可遗传小型神经网络的简单生物生活在 128 × 128 的网格上,规则会不可预测地变化;实验检验终身学习何时能在进化中带来回报。
+这是机器人研究吗?
不是。这是一个人工生命模型,没有在任何实体机器人上做过测试。它有助于思考适应能力何时值得付出成本,但不能作为某款具体机器人的证据。
+核心结果是什么?
没有终身学习时,40 个世界全部灭绝;有学习时,40 个中有 8 个存活。预注册的主要假设在这一轮没有通过,因为大多数会学习的世界同样在规则第一次变化时灭亡。
+报告发表在哪里?
发表在 CERN 运营的开放研究库 Zenodo 上,DOI 为 10.5281/zenodo.23713552。代码和数据在 GitHub 的 akela1308/minimir,项目网站为 minimir.ilinmaks.com。
+我应该选能在工作中学习的机器人吗?
取决于你的环境变化有多大。稳定产线上,固定程序通常更便宜、更可预测;在商店、酒店、家庭和混合仓库中,要问清机器人如何应对新物品和新布局、重新训练要多快,以及由谁检查它学到了什么。
来源与编辑说明
- Zenodo (CERN) · minimir protocol B report · DOI 10.5281/zenodo.23713552
- ilinmaks.com · minimir on Zenodo: a preregistered artificial life experiment with a DOI, and what protocol B2 changes · 1 November 2026
- GitHub · akela1308/minimir (code, preregistrations, data)
- minimir.ilinmaks.com · project site
- ORCID · Maksim Ilin 0009-0009-4880-2153
本文由 RoboHub 创始人 Maksim Ilin 撰写,介绍他本人的研究。minimir 是人工生命模型,不是机器人研究;机器人部分是作者为 RoboHub 读者所做的解读。
