Πείτε σε ένα ρομπότ «μην χύνετε καφέ στο φορητό υπολογιστή μου» και οι σημερινές μηχανές θα κάνουν ακριβώς αυτό — και τίποτα περισσότερο. Το τηλέφωνο κάθεται δίπλα στο φορητό υπολογιστή; Το tablet φορτίζει στην άλλη πλευρά του τραπεζιού; Απενεργοποιήστε το ραντάρ του ρομπότ μέχρι να γράψετε το καθένα, διόρθωση με κουραστική διόρθωση.
Μια νέα πλατφόρμα από ερευνητές του MIT και του Πανεπιστημίου της Νέας Υόρκης στοχεύει να κλείσει αυτό το χάσμα. Το σύστημα, που ονομάζεται FLEX, επιτρέπει στα ρομπότ σχεδιασμού κίνησης να ακολουθούν τις ρητές οδηγίες ενός ανθρώπου, ενώ παράλληλα αντλούν ευρύτερες γενικεύσεις από αυτούς που βελτιώνουν την απόδοση, σύμφωνα με το MIT News. Η ομάδα θα παρουσιάσει την εργασία στην ετήσια διάσκεψη για τη μάθηση ρομπότ (CoRL) αυτόν τον μήνα. For more context on this story, see our ongoing AI industry coverage.
«Οι LLM έχουν δει τόσα πολλά κείμενα από το Διαδίκτυο», δήλωσε ο Nathan Dennler, μεταδιδάκτορας στο Computer Science and Artificial Intelligence Laboratory (CSAIL) του MIT και συγγραφέας της μελέτης. «Οι άνθρωποι μπορεί να είχαν γράψει για: "Ω, το τηλέφωνό μου έπεσε στο νερό και τώρα δεν λειτουργεί" ή "Έριξα καφέ στον υπολογιστή μου και τώρα δεν λειτουργεί". Έτσι, οι LLM υιοθετούν την ιδέα ότι τα υγρά συν συσκευές οδηγούν στο να μην λειτουργούν τα πράγματα».
Από μία προειδοποίηση σε ολόκληρο το βιβλίο κανόνων
Σε ένα σενάριο επίδειξης που περιγράφεται από το MIT News, ένα άτομο παρακολουθεί έναν ρομποτικό βραχίονα να κουβαλάει ένα φλιτζάνι καφέ σε ένα ακατάστατο τραπέζι και πληκτρολογεί μια ενιαία εντολή: "Μην χυθεί στο φορητό υπολογιστή!" Ένα συμβατικό ρομπότ θα προσθέσει τον φορητό υπολογιστή στη λίστα αποφυγής του και θα επανασχεδιάσει την πορεία του. Το FLEX προχωρά περαιτέρω — το ρομπότ εξηγεί γιατί οι φορητοί υπολογιστές έχουν σημασία και προσαρμόζει την τροχιά του για να αποφύγει τα κοντινά ηλεκτρονικά, συμπεριλαμβανομένου ενός τηλεφώνου που ο χρήστης δεν ανέφερε ποτέ.
"Η ιδέα είναι ότι υπάρχει κάποια πρόθεση υψηλότερου επιπέδου πίσω από τις λέξεις που λέτε", είπε ο Dennler. "Οι άνθρωποι το καταλαβαίνουν φυσικά. Αλλά πρέπει να το εξηγήσετε προσεκτικά σε ένα ρομπότ, κάτι που απαιτεί χρόνο και προσπάθεια. Το FLEX σας δίνει μια διεπαφή επικοινωνίας με ένα ρομπότ για να πείτε, "Όταν οι άνθρωποι λένε αυτό, εννοούν αυτό".
Επικεφαλής της μελέτης ήταν ο Andreea Bobu, επίκουρος καθηγητής αεροναυπηγικής και αστροναυτικής στο MIT, επικεφαλής του Εργαστηρίου Συνεργατικής Μάθησης και Έρευνας Αυτονομίας (CLEAR). Οι συγγραφείς περιλαμβάνουν την Audrey Lee, η οποία ολοκλήρωσε το SM της στο MIT το 2026, και τον Ilia Sucholutsky του Πανεπιστημίου της Νέας Υόρκης.
Πώς λειτουργεί το FLEX: Προσθήκη, γενίκευση, μάσκα
Το FLEX λειτουργεί ως αγωγός τριών βημάτων που τρέχει σε περίπου πέντε δευτερόλεπτα.
Βήμα 1: Προσθήκη
Όταν ένας χρήστης εκδίδει μια διόρθωση φυσικής γλώσσας, το ρομπότ προσθέτει τη σχετική δυνατότητα στη λίστα εκτελούμενων πραγμάτων που έχουν σημασία για την εργασία. Αν κάποιος πει "Μην το πέφτεις στην κούπα μου!" ενώ το ρομπότ φέρει μια μπάλα μπόουλινγκ, η κούπα μπαίνει στη λίστα αποφυγής και το ρομπότ ενημερώνει την τροχιά του. Αυτό το βήμα αντικατοπτρίζει τον τρόπο με τον οποίο λειτουργούσαν πάντα οι προηγούμενες μέθοδοι — και από εκεί αρχίζει το πρόβλημά τους.
"Το πρόβλημα συμβαίνει όταν η λίστα χαρακτηριστικών σας γίνεται εξαιρετικά μεγάλη και ορισμένες λειτουργίες δεν είναι πλέον σχετικές επειδή το περιβάλλον σας μπορεί να έχει αλλάξει", δήλωσε ο Dennler στο MIT News. Ένα ρομπότ που λέει να αποφεύγει κάθε αντικείμενο ξεχωριστά γίνεται πιο αργό στη διόρθωση και πιο αργό στο σχεδιασμό και το βάρος της απαρίθμησης πέφτει στον άνθρωπο.
Βήμα 2: Γενικεύστε
Αυτή είναι η βασική συνεισφορά της FLEX. Ένα μεγάλο μοντέλο γλώσσας — GPT-4o, στην υλοποίηση της ομάδας — εξετάζει τη συσσωρευμένη λίστα χαρακτηριστικών και αναζητά μοτίβα μεταξύ των στοιχείων. Αντιμέτωπο με μια κούπα και άλλα εύθραυστα αντικείμενα που έχει επισημάνει το άτομο, το LLM συνάγει μια γενική κατηγορία: αποφύγετε τα εύθραυστα πράγματα, ακόμα και αυτά που δεν αναφέρθηκαν ποτέ. Επειδή το μοντέλο που εκπαιδεύεται σε τεράστιες βιβλιοθήκες ανθρώπινου κειμένου, μεγάλο μέρος της καθημερινής κοινής λογικής φτάνει προεγκατεστημένο.
«Οι LLM έχουν δει τόσα πολλά κείμενα από το Διαδίκτυο, από κάθε λογής ανθρώπους και μέρη», είπε ο Dennler. «Επειδή έχουν εκπαιδευτεί τόσο πολύ σε αυτά τα πράγματα, μέρος αυτής της κοινής λογικής απορροφάται στο LLM».
Βήμα 3: Μάσκα
Τα πραγματικά περιβάλλοντα αλλάζουν και οι παλιοί κανόνες προκαλούν ακανόνιστη συμπεριφορά. Το τρίτο βήμα του FLEX χρησιμοποιεί το τυπικό σύστημα όρασης υπολογιστή του ρομπότ για να προσδιορίσει ποια αντικείμενα με σημαία δεν υπάρχουν πλέον και, στη συνέχεια, διαγράφει αυτές τις εγγραφές από τη λίστα χαρακτηριστικών — διατηρώντας τους περιορισμούς του ρομπότ επίκαιρους χωρίς ανθρώπινη παρέμβαση.
Δοκιμασμένο σε προσομοιώσεις Coffee, Candle και Bowling Ball
Η ομάδα αξιολόγησε το FLEX σε προσομοιώσεις ενός βραχίονα ρομπότ που εκτελεί τρεις εργασίες: σερβίρει ένα φλιτζάνι καφέ, μετακινεί ένα κερί και μεταφέρει μια μπάλα μπόουλινγκ. Οι εθελοντές αλληλεπιδρούσαν με το εικονικό ρομπότ πληκτρολογώντας εντολές σε φυσική γλώσσα όπως «Μην χυθεί στο φορητό μου υπολογιστή», «Μείνε μακριά από τη στοίβα χαρτί» και «Μην πέφτεις στην κούπα».
Και στα τρία σενάρια, το ρομπότ ακολούθησε κάθε εντολή κυριολεκτικά, ενώ παράλληλα συλλογιζόταν σε υψηλότερο επίπεδο - αποφεύγοντας τα ηλεκτρονικά όταν ειδοποιήθηκε για το φορητό υπολογιστή, αποφεύγοντας εύφλεκτα αντικείμενα όταν του ζητήθηκε να παρακολουθήσετε το κερί και αντιμετωπίζοντας όλα τα εύθραυστα αντικείμενα ως ζώνες απαγόρευσης πτώσης μετά από μία προειδοποίηση κούπας.
Γιατί η κοινή λογική είναι το σημείο συμφόρησης για τα οικιακά ρομπότ
Η έρευνα στοχεύει σε ένα επίμονο εμπόδιο στην καταναλωτική ρομποτική: κανείς δεν στέλνει ένα ρομπότ που γνωρίζει ήδη τι έχει σημασία στο σπίτι σας. Ο σχεδιασμός τροχιών που βασίζεται στη φυσική είναι ακριβής αλλά αδιαφανής και το να περιμένουμε από τους χρήστες να χειριστούν τις μαθηματικές συναρτήσεις κόστους είναι κάτι που δεν ξεκινά.
"Τα ρομπότ χρησιμοποιούν μαθηματικά για να κάνουν τον σχεδιασμό της τροχιάς τους. Αλλά δεν μπορούμε να περιμένουμε από έναν καταναλωτή να μάθει να κάνει αυτά τα μαθηματικά για να πει σε ένα ρομπότ τι να κάνει", είπε ο Dennler. «Αντί να χρειάζεται να κάνουμε τους ανθρώπους να μάθουν πώς να χρησιμοποιούν ένα ρομπότ με συγκεκριμένο τρόπο, ο στόχος είναι να αλληλεπιδράσουμε με το ρομπότ μέσω φυσικής γλώσσας».
Ένα μεγάλο σκέλος έρευνας στη ρομποτική υφαίνει ήδη τη γλώσσα στη μάθηση ρομπότ - διευκρινίζοντας τους στόχους εργασιών, ανακατευθύνοντας τροχιές, ορίζοντας ασφαλείς διαδρομές. Αλλά το MIT News σημειώνει ότι αυτές οι υπάρχουσες μέθοδοι χρησιμοποιούν τη γλώσσα κυρίως για να πουν στο ρομπότ πώς να εκτελέσει φυσικά μια εργασία. Η ομάδα του Bobu πιέζει σε ένα διαφορετικό όριο: εξάγει τις υποκείμενες, απροσδιόριστες προτιμήσεις ενός ατόμου από μια χούφτα περιστασιακών εντολών.
«Τα σπίτια του καθενός είναι διαφορετικά και ο καθένας νοιάζεται για διαφορετικά πράγματα, επομένως κανένα ρομπότ δεν βγαίνει από το κουτί γνωρίζοντας τι έχει σημασία για εσάς», είπε ο Bobu στο MIT News. «Αυτό που με ενθουσιάζει για το FLEX είναι ότι μπορεί να το βρει από μια ή δύο προτάσεις αντί να σας ζητήσει να γράψετε κάθε κανόνα – και αυτή είναι η διαφορά μεταξύ ενός ρομπότ που ανέχονται οι άνθρωποι και ενός ρομπότ που θέλουν πραγματικά στο σπίτι τους».
Τι ακολουθεί
Η εργασία, η οποία περιγράφεται λεπτομερώς στην εργασία "Ευέλικτη Επεξεργασία Αναπαράστασης Καθοδηγούμενης από Γλώσσα για Προσαρμοστική Συμπεριφορά Ρομπότ", υποστηρίχθηκε εν μέρει από το MIT Generative AI Impact Consortium και το πρόγραμμα MIT Schwarzman College of Computing's Social and Ethical Responsibilities of Computing.
Τα αποτελέσματα που εμφανίζονται μέχρι στιγμής είναι προσομοιώσεις και η μετάφραση αυτής της απόδοσης σε φυσικό υλικό - με πιο μπερδεμένη αντίληψη, πιο θορυβώδη γλώσσα και πραγματικές συνέπειες - παραμένει το επόμενο εμπόδιο του πεδίου. Αλλά η κατεύθυνση είναι ξεκάθαρη: καθώς τα ρομπότ μετακινούνται από τα κλουβιά των εργοστασίων σε κουζίνες και γραφεία, τα μηχανήματα που πετυχαίνουν μπορεί να είναι αυτά που καταλαβαίνουν όχι μόνο τι λέμε, αλλά και τι εννοούμε.
Αυτό το άρθρο βασίζεται σε αναφορές της Jennifer Chu, που δημοσιεύθηκαν από το MIT News στις 9 Νοεμβρίου 2026.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
