Řekněte robotovi „nerozlij mi kávu na notebook“ a dnešní stroje udělají přesně to – a nic víc. Telefon sedící vedle notebooku? Nabíjí se tablet na druhé straně stolu? Mimo radar robota, dokud nevyhláskujete každý z nich, oprava únavnou opravou.

Nová platforma od výzkumníků z MIT a New York University si klade za cíl tuto mezeru zacelit. Systém nazvaný FLEX umožňuje robotům plánujícím pohyb řídit se výslovnými pokyny člověka a zároveň z nich čerpat širší zobecnění, která zlepšují výkon, uvádí MIT News. Tým představí práci na výroční konferenci o učení robotů (CoRL) tento měsíc. For more context on this story, see our ongoing artificial intelligence updates.

"LLM viděly tolik textů z internetu," řekl Nathan Dennler, postdoktor v Laboratoři počítačových věd a umělé inteligence (CSAIL) na MIT a autor studie. „Lidé možná napsali: ‚Ach, můj telefon spadl do vody a teď nefunguje‘ nebo ‚Vylil jsem si kávu do počítače a teď to nefunguje‘. LLM tedy přebírají myšlenku, že tekutiny a zařízení vedou k tomu, že věci nefungují."

Od jednoho varování k celému souboru pravidel

V jednom demonstračním scénáři popsaném MIT News člověk sleduje, jak robotické rameno nese šálek s kávou přes zaneřáděný stůl, a zadá jediný příkaz: "Nevylij na notebook!" Konvenční robot by přidal notebook na svůj seznam vyhýbajících se a přeplánoval jeho cestu. FLEX jde ještě dále – roboty zdůvodňují, proč na laptopech záleží, a upravuje svou trajektorii, aby se vyhnul blízké elektronice, včetně telefonu, o kterém se uživatel nikdy nezmínil.

"Myšlenka je, že za slovy, která říkáte, je nějaký záměr vyšší úrovně," řekl Dennler. "Lidé to přirozeně chápou. Ale musíte to robotovi pečlivě vysvětlit, což vyžaduje čas a úsilí. FLEX vám poskytuje komunikační rozhraní s robotem, abyste mohli říci: 'Když lidé říkají toto, myslí tím to'."

Studii vedla Andreea Bobu, odborná asistentka aeronautiky a kosmonautiky na MIT, která vede laboratoř Collaborative Learning and Autonomy Research (CLEAR). Mezi spoluautory patří Audrey Lee, která dokončila SM na MIT v roce 2026, a Ilia Sucholutsky z New York University.

Jak FLEX funguje: Přidat, zobecnit, maskovat

FLEX funguje jako třístupňové potrubí, které běží zhruba za pět sekund.

Krok 1: Přidejte

Když uživatel provede opravu v přirozeném jazyce, robot přidá příslušnou funkci do svého průběžného seznamu věcí, které jsou pro daný úkol důležité. Když někdo řekne "Nepouštěj to na můj hrnek!" zatímco robot nese bowlingovou kouli, hrnek se připojí na seznam vyhýbání a robot aktualizuje svou trajektorii. Tento krok odráží, jak předchozí metody vždy fungovaly – a zde začíná jejich problém.

"Problém nastane, když se váš seznam funkcí stane velmi dlouhým a některé funkce již nejsou relevantní, protože se vaše prostředí mohlo změnit," řekl Dennler MIT News. Robot, kterému bylo řečeno, aby se vyhýbal každému objektu jednotlivě, se pomaleji opravuje a pomaleji plánuje a břemeno výčtu dopadá na člověka.

Krok 2: Zobecněte

To je hlavní příspěvek společnosti FLEX. Velký jazykový model — GPT-4o, v implementaci týmu — zkoumá nashromážděný seznam funkcí a hledá vzory mezi položkami. Tváří v tvář hrnku a dalším křehkým předmětům, které osoba označila, z toho LLM vyvozuje obecnou třídu: vyhýbejte se křehkým věcem, dokonce i těm, které se nikdy nezmínily. Vzhledem k tomu, že model trénoval na rozsáhlých knihovnách lidského textu, mnoho každodenního zdravého rozumu je předinstalováno.

"LLM viděli tolik textů z internetu, od nejrůznějších lidí a míst," řekl Dennler. "Protože v těchto věcech tolik trénovali, část toho zdravého rozumu se vstřebá do LLM."

Krok 3: Maska

Skutečná prostředí se mění a zastaralá pravidla způsobují nevyzpytatelné chování. Třetí krok FLEX využívá standardní systém počítačového vidění robota k určení, které označené objekty již nejsou přítomny, a poté tyto položky vymaže ze seznamu funkcí – udržuje omezení robota aktuální bez lidského zásahu.

Testováno v simulacích kávy, svíček a bowlingových koulí

Tým hodnotil FLEX v simulacích robotického ramene vykonávajícího tři úkoly: podávání šálku kávy, pohyb svíčky a přenášení bowlingové koule. Dobrovolníci interagovali s virtuálním robotem zadáváním příkazů v přirozeném jazyce, jako například „Nerozlij se na můj notebook“, „Drž se dál od stohu papíru“ a „Neupadni na hrnek“.

Ve všech třech scénářích robot doslovně dodržoval každý příkaz a zároveň uvažoval na vyšší úrovni – vyhýbal se elektronice, když byl varován před notebookem, vyhýbal se hořlavým předmětům, když bylo řečeno, aby sledoval svíčku, a zacházel se všemi křehkými předměty jako se zónami bez upuštění po varování jediného hrnku.

Proč je zdravý rozum překážkou pro domácí roboty

Výzkum se zaměřuje na přetrvávající překážku ve spotřebitelské robotice: nikdo nepošle robota, který už ví, na čem ve vaší domácnosti záleží. Plánování trajektorie založené na fyzice je přesné, ale neprůhledné a očekávat od uživatelů, že budou manipulovat s matematickými nákladovými funkcemi, není pro začátek.

"Roboti používají matematiku k plánování své trajektorie. Ale nemůžeme očekávat, že se spotřebitel naučí dělat tuto matematiku, aby mohl robotovi říkat, co má dělat," řekl Dennler. "Namísto toho, aby se lidé naučili používat robota specifickým způsobem, cílem je komunikovat s robotem prostřednictvím přirozeného jazyka."

Velká část výzkumu robotiky již propojuje jazyk do učení robotů – objasňuje cíle úkolů, přesměrovává trajektorie, definuje bezpečné cesty. MIT News však poznamenává, že stávající metody používají jazyk hlavně k tomu, aby robotovi řekli, jak fyzicky provést úkol. Bobuova skupina tlačí na jinou hranici: získává základní, blíže nespecifikované preference člověka z hrstky náhodných příkazů.

"Domy každého jsou jiné a každého zajímají jiné věci, takže žádný robot nevychází z krabice s tím, že ví, na čem vám záleží," řekl Bobu MIT News. "Na FLEXu mě vzrušuje to, že to dokáže zjistit z věty nebo dvou, místo toho, aby vás žádal, abyste vysvětlili každé pravidlo - a to je rozdíl mezi robotem, kterého lidé snášejí, a robotem, kterého skutečně chtějí mít doma."

Co přijde dál

Práce, podrobně popsána v dokumentu „Flexible Language-Guided Representation Editing for Adaptive Robot Behavior“, byla částečně podporována konsorciem MIT Generative AI Impact Consortium a programem Social and Ethical Responsibilities of Computing MIT Schwarzman College of Computing.

Doposud uvedené výsledky jsou simulace a převedení tohoto výkonu na fyzický hardware – s horším vnímáním, hlučnějším jazykem a reálnými důsledky – zůstává další překážkou v oboru. Ale směr je jasný: jak se roboti přesouvají z továrních klecí do kuchyní a kanceláří, mohou být úspěšné stroje ty, které chápou nejen to, co říkáme, ale co tím myslíme.

Tento článek je založen na zprávách Jennifer Chu, publikovaných MIT News dne 9. listopadu 2026.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →