Sagen Sie einem Roboter: „Verschütten Sie keinen Kaffee auf meinem Laptop“, und die heutigen Maschinen werden genau das tun – und mehr nicht. Das Telefon neben dem Laptop? Das Tablet wird auf der anderen Seite des Tisches aufgeladen? Verschwinden Sie vom Radar des Roboters, bis Sie jedes Wort buchstabiert haben, Korrektur für Korrektur.
Eine neue Plattform von Forschern des MIT und der New York University will diese Lücke schließen. Das FLEX genannte System ermöglicht es Bewegungsplanungsrobotern, expliziten Anweisungen eines Menschen zu folgen und gleichzeitig umfassendere Verallgemeinerungen daraus zu ziehen, die die Leistung verbessern, so MIT News. Das Team wird die Arbeit diesen Monat auf der jährlichen Conference on Robot Learning (CoRL) vorstellen. Weitere Informationen zu dieser Geschichte finden Sie in unserer neueste KI-Entwicklungen.
„LLMs haben so viele Texte aus dem Internet gesehen“, sagte Nathan Dennler, Postdoc am Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT und Autor der Studie. „Die Leute haben vielleicht geschrieben: ‚Oh, mein Telefon ist ins Wasser gefallen und jetzt funktioniert es nicht mehr‘ oder ‚Ich habe Kaffee auf meinem Computer verschüttet und jetzt funktioniert es nicht mehr‘.“ LLMs greifen also die Idee auf, dass Flüssigkeiten plus Geräte dazu führen, dass Dinge nicht funktionieren.“
Von einer Warnung zu einem ganzen Regelwerk
In einem von MIT News beschriebenen Demonstrationsszenario sieht eine Person zu, wie ein Roboterarm eine Kaffeetasse über einen vollgestopften Tisch trägt, und gibt einen einzigen Befehl ein: „Verschütten Sie nichts auf dem Laptop!“ Ein herkömmlicher Roboter würde den Laptop zu seiner Vermeidungsliste hinzufügen und seinen Weg neu planen. FLEX geht noch weiter – der Roboter begründet, warum Laptops wichtig sind, und passt seine Flugbahn an, um in der Nähe befindliche Elektronikgeräte zu meiden, einschließlich eines Telefons, das der Benutzer nie erwähnt hat.
„Die Idee ist, dass hinter den Worten, die Sie sagen, eine übergeordnete Absicht steckt“, sagte Dennler. „Menschen verstehen das natürlich. Aber man muss es einem Roboter sorgfältig erklären, was Zeit und Mühe kostet. FLEX bietet Ihnen eine Kommunikationsschnittstelle mit einem Roboter, um zu sagen: ‚Wenn Leute dies sagen, meinen sie das auch so.‘“
Die Studie wurde von Andreea Bobu geleitet, einer Assistenzprofessorin für Luft- und Raumfahrt am MIT, die das Collaborative Learning and Autonomy Research (CLEAR) Lab leitet. Zu den Co-Autoren gehören Audrey Lee, die 2026 ihren SM am MIT abschloss, und Ilia Sucholutsky von der New York University.
So funktioniert FLEX: Hinzufügen, Generalisieren, Maskieren
FLEX funktioniert als dreistufige Pipeline, die in etwa fünf Sekunden ausgeführt wird.
Schritt 1: Hinzufügen
Wenn ein Benutzer eine Korrektur in natürlicher Sprache vornimmt, fügt der Roboter die relevante Funktion zu seiner laufenden Liste der Dinge hinzu, die für die Aufgabe wichtig sind. Wenn jemand sagt: „Lass es nicht auf meine Tasse fallen!“ Während der Roboter eine Bowlingkugel trägt, fügt sich der Becher in die Vermeidungsliste ein und der Roboter aktualisiert seine Flugbahn. Dieser Schritt spiegelt wider, wie frühere Methoden immer funktioniert haben – und hier beginnen ihre Probleme.
„Das Problem tritt auf, wenn Ihre Funktionsliste sehr lang wird und einige Funktionen nicht mehr relevant sind, weil sich Ihre Umgebung möglicherweise geändert hat“, sagte Dennler gegenüber MIT News. Ein Roboter, der angewiesen wird, jedes Objekt einzeln zu meiden, wird langsamer bei der Korrektur und langsamer bei der Planung, und die Last der Aufzählung liegt beim Menschen.
Schritt 2: Verallgemeinern
Dies ist der Kernbeitrag von FLEX. Ein großes Sprachmodell – GPT-4o in der Implementierung des Teams – untersucht die akkumulierte Feature-Liste und sucht nach Mustern zwischen den Elementen. Angesichts einer Tasse und anderer zerbrechlicher Gegenstände, die die Person markiert hat, leitet das LLM eine allgemeine Richtlinie ab: Vermeiden Sie zerbrechliche Dinge, auch solche, die nie erwähnt werden. Da das Modell auf riesigen Bibliotheken menschlicher Texte trainiert wurde, ist ein Großteil des alltäglichen gesunden Menschenverstandes vorinstalliert.
„LLMs haben so viele Texte aus dem Internet gesehen, von allen möglichen Menschen und Orten“, sagte Dennler. „Weil sie so viel in diesen Dingen geschult haben, fließt ein Teil dieses gesunden Menschenverstandes in das LLM ein.“
Schritt 3: Maske
Reale Umgebungen ändern sich und veraltete Regeln führen zu unberechenbarem Verhalten. Im dritten Schritt von FLEX wird mithilfe des standardmäßigen Computer-Vision-Systems des Roboters ermittelt, welche markierten Objekte nicht mehr vorhanden sind, und anschließend werden diese Einträge aus der Funktionsliste gelöscht. Dadurch bleiben die Einschränkungen des Roboters ohne menschliches Eingreifen aktuell.
Getestet in Kaffee-, Kerzen- und Bowlingball-Simulationen
Das Team evaluierte FLEX in Simulationen eines Roboterarms, der drei Aufgaben ausführte: eine Tasse Kaffee servieren, eine Kerze bewegen und eine Bowlingkugel tragen. Freiwillige interagierten mit dem virtuellen Roboter, indem sie Befehle in natürlicher Sprache eingaben, wie zum Beispiel „Klecks nicht auf meinen Laptop“, „Halte dich vom Papierstapel fern“ und „Lass nicht auf die Tasse fallen“.
In allen drei Szenarien befolgte der Roboter jeden Befehl wörtlich, während er gleichzeitig auf einer höheren Ebene argumentierte: Er hielt sich von elektronischen Geräten fern, wenn er vor dem Laptop gewarnt wurde, vermied brennbare Gegenstände, wenn er aufgefordert wurde, auf die Kerze zu achten, und behandelte alle zerbrechlichen Gegenstände nach einer einzigen Tassenwarnung als Abwurfzone.
Warum der gesunde Menschenverstand der Flaschenhals für Heimroboter ist
Die Forschung zielt auf ein anhaltendes Hindernis in der Verbraucherrobotik ab: Niemand liefert einen Roboter aus, der bereits weiß, worauf es in Ihrem Zuhause ankommt. Die auf Physik basierende Flugbahnplanung ist präzise, aber undurchsichtig, und von Benutzern zu erwarten, dass sie mathematische Kostenfunktionen manipulieren, ist ein Kinderspiel.
„Roboter verwenden Mathematik, um ihre Flugbahn zu planen. Aber wir können nicht erwarten, dass ein Verbraucher diese Mathematik lernt, um einem Roboter zu sagen, was er tun soll“, sagte Dennler. „Anstatt die Menschen dazu zu bringen, den Umgang mit einem Roboter auf eine bestimmte Art und Weise zu erlernen, besteht das Ziel darin, mit dem Roboter über natürliche Sprache zu interagieren.“
Ein großer Teil der Robotikforschung bindet bereits Sprache in das Lernen von Robotern ein – um Aufgabenziele zu klären, Flugbahnen umzuleiten und sichere Pfade zu definieren. Aber MIT News weist darauf hin, dass diese bestehenden Methoden Sprache hauptsächlich dazu verwenden, dem Roboter zu sagen, wie er eine Aufgabe physisch ausführen soll. Bobus Gruppe geht auf eine andere Ebene vor: Sie extrahiert die zugrunde liegenden, nicht spezifizierten Vorlieben einer Person aus einer Handvoll zufälliger Befehle.
„Jedes Zuhause ist anders und jeder kümmert sich um unterschiedliche Dinge, sodass kein Roboter sofort einsatzbereit ist und weiß, was einem wichtig ist“, sagte Bobu gegenüber MIT News. „Was mich an FLEX begeistert, ist, dass es das aus ein oder zwei Sätzen aufgreifen kann, anstatt dass man jede Regel buchstabieren muss – und das ist der Unterschied zwischen einem Roboter, mit dem sich die Leute abfinden, und einem, den sie tatsächlich in ihrem Zuhause haben wollen.“
Was als nächstes kommt
Die Arbeit, die im Artikel „Flexible Language-Guided Representation Editing for Adaptive Robot Behavior“ detailliert beschrieben wird, wurde teilweise vom MIT Generative AI Impact Consortium und dem Social and Ethical Responsibilities of Computing-Programm des MIT Schwarzman College of Computing unterstützt.
Bei den bisher gezeigten Ergebnissen handelt es sich um Simulationen, und die Übertragung dieser Leistung auf physische Hardware – mit unordentlicherer Wahrnehmung, lauterer Sprache und realen Konsequenzen – bleibt die nächste Hürde auf diesem Gebiet. Aber die Richtung ist klar: Während Roboter aus Fabrikkäfigen in Küchen und Büros gelangen, sind die Maschinen, die Erfolg haben, möglicherweise diejenigen, die nicht nur verstehen, was wir sagen, sondern auch, was wir meinen.
Dieser Artikel basiert auf einem Bericht von Jennifer Chu, veröffentlicht von MIT News am 9. November 2026.---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
