Ein Team der Northwestern University nutzte künstliche Intelligenz, um Roboterkörper in einer Physiksimulation zu entwickeln, baute dann die leistungsstärksten Entwürfe physisch zusammen und setzte sie auf Kies, Gras und Baumwurzeln frei. Die Arbeit, veröffentlicht in den Proceedings of the National Academy of Sciences im März 2026, stellt einen bedeutenden Schritt über frühere Laborversuche hinaus, bei denen KI-entworfene Roboter nur auf flachen Tischoberflächen betrieben wurden. Indem die Forscher die evolvierten Maschinen zwingen, mit unvorhersehbarem Außengelände klarzukommen, prüfen sie, ob digitale Evolution Hardware hervorbringen kann, die robust genug für die realen Bedingungen ist.
Modulare Maschinen, gebaut wie lebendige Legosteine
Die in dieser Studie untersuchten Roboter sind keine von Menschenhand für einen einzigen Zweck entworfenen Geräte. Sie werden aus autonomen Modulen zusammengesetzt, von denen jedes seinen eigenen Motor, Akku und Bordcomputer enthält. Man kann sie sich als motorisierte Bausteine vorstellen, die zusammenschnappen. Kein einzelner Baustein kann allein laufen, aber wenn mehrere in der richtigen Anordnung kombiniert werden, entsteht durch ihre Wechselwirkung koordinierte Fortbewegung. Das Forschungsteam nennt diese Kreationen „beinhafte Metamaschinen“, ein Begriff, der die zentrale Idee erfasst, dass Intelligenz entsteht, wenn die Module sich verbinden und ihre Bewegungen gemeinsam koordinieren.
Dieser modulare Ansatz bringt einen praktischen Vorteil, den die meisten konventionellen Roboter nicht haben. Weil jede Einheit eigenständig ist, kann ein beschädigtes Bein ausgetauscht oder der gesamte Körperbau umkonfiguriert werden, ohne die Elektronik oder die Steuerungssoftware von Grund auf neu zu entwerfen. Genau diese Flexibilität macht evolutionäre Suche in Simulation so attraktiv: Der Algorithmus kann tausende Modulkonfigurationen schnell durchprobieren, Fehlschläge verwerfen und Entwürfe fördern, die sich gut fortbewegen. Prinzipiell könnte derselbe Teilebestand je nach Entdeckung des Algorithmus zu Läufern, Kriechern oder sogar Klettermaschinen umgestellt werden.
Wie die Simulation den Designprozess vorantrieb
Anstatt Beinanzahl und Gelenkwinkel von Hand zu justieren, ließen die Forschenden einen Optimierungsalgorithmus einen komprimierten Entwurfsraum möglicher Modulkonfigurationen durchsuchen. Das Verfahren, beschrieben in der begutachteten Studie, kodiert Körperpläne in einer kompakten mathematischen Darstellung und bewertet dann jeden Kandidaten anhand der simulierten Laufleistung. Über viele Generationen der Selektion konvergiert der Algorithmus zu Morphologien, die in virtuellen Geländen Geschwindigkeit, Stabilität und Energieverbrauch ausbalancieren und zugleich die von den physischen Modulen vorgegebenen Beschränkungen respektieren.
Die Gewinnerentwürfe waren nicht das, was ein menschlicher Ingenieur skizzieren würde. Das Team wählte die besten dreibeinigen, vierbeinigen und fünfbeinigen Konfigurationen zur physischen Montage aus. Ungerade Beinanzahlen und asymmetrische Layouts traten auf, weil der Algorithmus rein funktional optimierte, unbeschwert von ästhetischen Vorlieben oder Lehrbuchkonventionen. Gerade diese Bereitschaft, seltsame Körperformen zu erforschen, unterscheidet evolutionäres Design von traditioneller Ingenieurskunst, in der Designer dazu neigen, auf bilaterale Symmetrie und vertraute Vorlagen wie Vierbeiner oder Sechsfüßer zurückzugreifen.
Im Hintergrund verlässt sich das System auf einen Physiksimulator, um abzuschätzen, wie sich verschiedene Modularrangements bewegen. Jeder Kandidatenroboter wird in eine virtuelle Umgebung gesetzt und zum Vorwärtsgehen aufgefordert; jene, die stolpern oder Energie verschwenden, werden verworfen, während jene, die weiter oder effizienter kommen, als „Eltern“ für die nächste Generation ausgewählt werden. Den Autoren zufolge kann diese Pipeline Tausende von Entwürfen viel schneller bewerten und verfeinern, als es ein hardwarebasiertes Trial‑and‑Error‑Verfahren je könnte.
Von flachen Tischen zu unebenem Gelände
Frühere Arbeiten desselben Labors hatten bereits gezeigt, dass KI funktionsfähige Roboter in Sekunden auf einer Consumer‑GPU entwerfen kann. Eine Studie von 2023, ebenfalls in PNAS veröffentlicht, demonstrierte schnelle strukturelle Optimierung, die praktisch augenblicklich gehfähige Maschinen hervorbrachte. Einer dieser früheren Entwürfe hatte drei Beine und hintere Flossen, eine Form, die kein Ingenieur vorgeschlagen hätte. Damals beschrieb Sam Kriegman das Ergebnis unverblümt: „Wenn Leute diesen Roboter sehen, könnten sie ein nutzloses Gerät sehen. Ich sehe die Geburt eines brandneuen Organismus.“
Doch diese früheren Maschinen liefen auf glatten Tischplatten. Die Kluft zwischen einer kontrollierten Laboroberfläche und einem tatsächlichen Feld mit Kies oder einem Wurzelgeflecht ist enorm. Ungleichmäßiger Untergrund führt zu Kräften, die Simulationen nur annähernd abbilden können, und kleine Modellierungsfehler summieren sich mit jedem Schritt. Die Studie von 2026 geht diese Lücke direkt an. Kriegman und sein Team testeten die montierten Roboter im Freien auf Kies, Gras und in mit Baumwurzeln durchsetztem Gelände — Umgebungen, in denen Trittwechsel nie garantiert ist und die Kontaktkräfte von Schritt zu Schritt unvorhersehbar variieren.
In den mit der Arbeit veröffentlichten Videos bewegen sich die Roboter mit einem unbeholfenen, aber effektiven Gang, klettern über kleine Hindernisse und erholen sich von Ausrutschern, die eine starrer programmierte Maschine zu Fall gebracht hätten. Die modularen Beine biegen sich und richten sich neu aus, während der Körper kippt, was darauf hindeutet, dass die evolvierten Entwürfe zumindest eine eingebaute Toleranz gegenüber Störungen besitzen. Dieses Verhalten ist nicht das Ergebnis eines Menschen, der jeden möglichen Stoß vorhergesehen hat; es entsteht aus dem evolutionären Prozess, der Entwürfe belohnte, die trotz verrauschter Dynamik Vorwärtsbewegung aufrechterhalten konnten.
Schadensüberleben ohne Neustart
Eines der auffälligeren Ergebnisse ist, dass diese Roboter schwere Beschädigungen überleben und weiterlaufen. Weil jedes Modul halbautonom arbeitet, führt der Verlust eines Beins nicht zum Absturz des gesamten Steuersystems. Die verbleibenden Module verteilen ihre Anstrengungen um und setzen die Fortbewegung fort, wenn auch mit veränderten Gangmustern. Das steht in scharfem Kontrast zu den meisten kommerziellen Robotern, bei denen ein einzelner defekter Aktuator die gesamte Plattform unbrauchbar machen kann, bis ein Techniker das Gerät repariert oder zurücksetzt.
Ein zugehöriger Preprint von Chen Yu und Sam Kriegman treibt diese Idee noch weiter. Diese Arbeit untersucht in Simulation gelernte Controller, die sich anpassen, wenn sich die eigene Morphologie des Roboters durch das, was die Autoren „kinematische Selbstzerstörung“ nennen, verändert. Anders ausgedrückt: Der Roboter kann ein beschädigtes Glied bewusst abwerfen und seine Steuerungsstrategie passt sich in Echtzeit an. Der Preprint deutet auf eine Zukunft hin, in der Roboter Schäden nicht nur tolerieren, sondern aktiv um sie herum rekonfigurieren und strukturelles Versagen als eine weitere Variable behandeln, an die sie sich anpassen, statt als terminales Ereignis.
Diese Forschungsrichtung passt zu einer breiteren institutionellen Initiative an der Northwestern, resilienter und adaptive Technologien zu erforschen. Mitteilungen der universitären Medienabteilungen betonen Anwendungen wie Rettungseinsätze, planetare Erkundung und gefährliche industrielle Inspektionen — Szenarien, in denen menschlicher Zugang schwierig ist und unvorhersehbares Gelände die Regel ist. In solchen Fällen ist ein Roboter, der nach Verlust eines Beins auf drei weiterhumpeln kann, weit wertvoller als einer, der beim ersten Anzeichen von Problemen zusammenbricht.
Was die Sim-to-Real-Lücke noch verbirgt
Die Berichterstattung über diese Arbeit hat weitgehend die institutionelle Einordnung wiederholt und die Outdoor‑Tests als Beweis dafür dargestellt, dass evolvierte Roboter einsatzbereit seien. Diese Darstellung verdient etwas Skepsis. Die veröffentlichten Ergebnisse zeigen Fortbewegung über einige Geländearten, aber die Quellen enthalten keine spezifischen Leistungskennzahlen wie anhaltende Geschwindigkeit, Energieverbrauch pro Meter oder Nutzlastkapazität. Ohne diese Zahlen ist es schwierig, die evolvierten Metamaschinen mit konventionellen Beinsystemen zu vergleichen oder zu beurteilen, ob sie wirklich praktisch für den Feldeinsatz sind und nicht lediglich als Machbarkeitsnachweis dienen.
Eine weitere offene Frage ist, wie robust die Entwürfe gegenüber Umweltvariationen außerhalb der Teststandorte sind. Kies und Gras sind ein bedeutsamer Schritt über Tischplatten, aber immer noch vergleichsweise harmlos im Vergleich zu tiefem Schlamm, losem Sand oder steilen, felsigen Hängen. Der Physiksimulator kann erweitert werden, um solche Bedingungen annähernd abzubilden, doch jede neue Domäne bringt Unsicherheiten mit sich, die die Sim‑to‑Real‑Lücke vergrößern können. Müssen evolvierte Roboter für jeden neuen Geländetyp neu optimiert werden, wird das Versprechen generalisierbarer Anpassungsfähigkeit schwerer erreichbar.
Unter der modularen Architektur verbergen sich außerdem Ingenieurs‑Kompromisse. Einen Motor, Akku und Prozessor in jeden Block einzubauen vereinfacht Rekonfiguration und Schadens‑Toleranz, erhöht jedoch Gewicht und Komplexität im Vergleich zu zentralisierten Designs. Die aktuellen Berichte nennen nicht, wie lange die Roboter mit einer Akkuladung operieren können, wie leicht Module in Serie gefertigt werden könnten oder wie das System skaliert, wenn die Anzahl der Bausteine wächst. In großen Schwärmen oder sehr großen Körpern könnten Koordinations‑Overhead und Kommunikationslatenz zu erheblichen Engpässen werden.
Trotzdem ist der übergeordnete Verlauf klar. Indem Körperpläne in der Simulation evolviert und dann im Feld validiert werden, arbeitet das Northwestern‑Team an einer der zentralen Herausforderungen der Robotik: Maschinen zu entwerfen, die mit der Unordnung der realen Welt umgehen können, ohne exhaustive Handanpassung. Selbst wenn die heutigen beinigen Metamaschinen eher experimentell als einsatzreif sind, deuten sie auf eine Zukunft hin, in der Robotermorphologie nicht mehr fest am Reißbrett festgelegt ist, sondern durch iteratives Suchen entdeckt wird — ähnlich wie die biologische Evolution Beine, Flossen und Flügel hervorgebracht hat.
Ob diese Zukunft eintritt, hängt davon ab, wie schnell Forschende die verbleibenden Lücken in Leistung und Zuverlässigkeit schließen können. Bessere Simulatoren, reichere Fitnessfunktionen und ausgefeiltere Controller werden dabei eine Rolle spielen. Ebenso wichtig werden sorgfältige, quantitative Feldversuche sein, die über eindrucksvolle Videos hinaus harte Zahlen liefern. Für den Moment markiert jedoch der Anblick von KI‑evolvierten Robotern, die unbeholfen, widerstandsfähig und auf ihre eigene mechanische Weise unverkennbar lebendig über Baumwurzeln krabbeln, einen bemerkenswerten Moment in dem fortlaufenden Bestreben, Maschinen zu schaffen, die abseits des Labortisches überleben und sogar gedeihen können.
