Das australische Unternehmen Cortical Labs und das Honda Research Institute Europe haben die Bewegungen eines Roboterhundes mithilfe lebender Neuronen gesteuert, die auf einem Chip gezüchtet wurden. Die Demonstration zeigt einen möglichen Weg zur biologischen Steuerung von Robotern auf.
Das Experiment wurde auf der Konferenz NeurIPS 2026 vorgestellt und markiert einen weiteren Schritt in der Forschung zum biologischen Rechnen. Nachdem Cortical Labs Nervenzellen bereits die Videospiele PONG und DOOM spielen ließ, überträgt das Unternehmen die Technik nun auf einen physischen Roboter. Die Arbeit ist als Preprint auf arXiv erschienen und hat das Peer-Review-Verfahren noch nicht durchlaufen.
Wie Nervenzellen einen Roboterhund zum Ziel lenken
Grundlage des Aufbaus sind lebende Neuronen, die direkt auf einem Chip gezüchtet werden. Der Chip ist mit Elektroden ausgestattet, die elektrische Signale in beide Richtungen übertragen können. Die Forscher stimulieren die Nervenzellen, zeichnen deren Aktivität auf und wandeln die elektrischen Antworten in Bewegungsbefehle um.
In der Demonstration bewegt sich der Roboterhund auf einer einfachen Rasterkarte zu einem Zielpunkt. Über die an die Neuronen gesendeten Signale und die Rückmeldungen nach den Bewegungen des Roboters lassen sich die Reaktionen des biologischen Systems anpassen.
Das Experiment zeigt, dass eine kleine Zahl von Nervenzellen an der Bewegungssteuerung einer physischen Maschine mitwirken kann. Es handelt sich allerdings um eine elementare Navigationsaufgabe unter Versuchsbedingungen.
Über 4.000 Stunden Versuche zur biologischen Robotersteuerung
Für die Entwicklung des Systems haben Cortical Labs und das Honda Research Institute Europe mehr als 4.000 Stunden Interaktionen zwischen dem Neuronenchip und dem Roboteragenten durchgeführt. Nach Angaben des Forschungsteams wurden dabei rund 1.300 Kombinationen elektrischer Signale getestet.
Die Forscher veränderten unter anderem die Eigenschaften der Stimulationen, die an die Zellen gesendet wurden, und nutzten die Rückmeldungen aus den Bewegungen, um deren Reaktionen zu lenken. Ziel war es, Kommunikations- und Trainingsmethoden zu finden, die ein schlüssiges Verhalten hervorbringen.
Johnson Zhou, Research Software Engineer bei Cortical Labs, betont, die eigentliche Schwierigkeit liege nicht allein darin, Neuronen auf Silizium zu züchten. Entscheidend sei vielmehr, stabil mit biologischen Systemen zu kommunizieren und sie zuverlässig zu trainieren.
Cortical Labs und Honda: Lebende Zellen als Alternative zum klassischen Rechnen
Ziel der Zusammenarbeit ist es, lebende Zellen als Rechengrundlage für Robotersysteme zu untersuchen. Der Ansatz baut auf der Fähigkeit biologischer Gehirne auf, Informationen mit geringem Energieverbrauch zu verarbeiten und sich an neue Situationen anzupassen.
Laut Brett Kagan, Mitgründer und CEO von Cortical Labs, verfügen heutige Roboter bereits über ausgereifte Fähigkeiten zur Fortbewegung. Die übergeordnete Steuerung, mit der sie schnell lernen und ihr Handeln an die Umgebung anpassen könnten, sei jedoch weiterhin eine Herausforderung.
Das Unternehmen will deshalb einen anderen Weg erkunden, um festzulegen, welche Bewegungen ein Roboter in einer bestimmten Situation ausführen soll, und zwar über das bloße Ausführen motorischer Befehle hinaus.
Daniel Tanneberg, Principal Scientist am Honda Research Institute Europe, nennt Energieeffizienz, Robustheit und Anpassungsfähigkeit als mögliche Vorteile des Ansatzes. Dabei handelt es sich um Forschungsziele, nicht um Leistungswerte, die bei der Demonstration mit dem Roboterhund gemessen wurden.
Größere Neuronenchips für komplexere Aufgaben
Als nächsten Schritt planen die Forscher, die Neuronenchips zu vergrößern, um komplexere Aufgaben in kürzerer Zeit zu bewältigen. Zudem sollen Verarbeitungsgeschwindigkeit und Effizienz des Systems untersucht werden.
Ein weiterer Schwerpunkt betrifft die Frage, wie die auf dem Chip gezüchteten neuronalen Netze Informationen speichern. Cortical Labs will insbesondere prüfen, ob es Mechanismen gibt, die mit einem Gedächtnis vergleichbar sind.
Längerfristig sieht das Unternehmen Anwendungen in Robotern für abgelegene oder gefährliche Einsatzorte sowie in Assistenzsystemen, die ihr Handeln an die Umgebung anpassen können.
Um von der Navigation auf einem Raster zu solchen Anwendungen zu gelangen, müssen die Teams unter anderem den elektrischen Austausch mit den Neuronen zuverlässiger machen und Trainingsmethoden für komplexere physische Situationen entwickeln.