Dígale a un robot "no derrame café en mi computadora portátil" y las máquinas actuales harán exactamente eso, y nada más. ¿El teléfono al lado de la computadora portátil? ¿La tableta cargando al otro lado de la mesa? Fuera del radar del robot hasta que deletrees cada uno, corrección tras tediosa corrección.
Una nueva plataforma de investigadores del MIT y la Universidad de Nueva York tiene como objetivo cerrar esa brecha. El sistema, llamado FLEX, permite a los robots de planificación de movimiento seguir instrucciones explícitas de un humano y al mismo tiempo extraer generalizaciones más amplias de ellas que mejoran el rendimiento, según MIT News. El equipo presentará el trabajo en la Conferencia anual sobre Aprendizaje de Robots (CoRL) este mes. Para más contexto sobre esta historia, consulta nuestra actualidad de inteligencia artificial.
"Los LLM han visto muchísimos textos de Internet", dijo Nathan Dennler, postdoctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y autor del estudio. "La gente podría haber escrito sobre: 'Oh, mi teléfono se cayó al agua y ahora no funciona' o 'Derramé café en mi computadora y ahora no funciona'. Por lo tanto, los LLM captan la idea de que los líquidos más dispositivos hacen que las cosas no funcionen".
De una advertencia a un libro de reglas completo
En un escenario de demostración descrito por MIT News, una persona observa un brazo robótico que lleva una taza de café sobre una mesa abarrotada y escribe un solo comando: "¡No derrames sobre la computadora portátil!" Un robot convencional agregaría la computadora portátil a su lista de evitar y replanificaría su camino. FLEX va más allá: el robot razona por qué son importantes las computadoras portátiles y ajusta su trayectoria para evitar dispositivos electrónicos cercanos, incluido un teléfono que el usuario nunca mencionó.
"La idea es que hay una intención de nivel superior detrás de las palabras que dices", dijo Dennler. "La gente entiende esto de forma natural, pero hay que explicárselo cuidadosamente a un robot, lo que requiere tiempo y esfuerzo. FLEX te proporciona una interfaz de comunicación con un robot para decir: 'Cuando la gente dice esto, quiere decir aquello'".
El estudio fue dirigido por Andreea Bobu, profesora asistente de aeronáutica y astronáutica en el MIT que dirige el Laboratorio de Investigación de Autonomía y Aprendizaje Colaborativo (CLEAR). Los coautores incluyen a Audrey Lee, quien completó su SM en el MIT en 2026, e Ilia Sucholutsky de la Universidad de Nueva York.
Cómo funciona FLEX: agregar, generalizar, enmascarar
FLEX funciona como un proceso de tres pasos que se ejecuta en aproximadamente cinco segundos.
Paso 1: Agregar
Cuando un usuario realiza una corrección en lenguaje natural, el robot agrega la característica relevante a su lista actual de cosas importantes para la tarea. Si una persona dice "¡No lo dejes caer en mi taza!" Mientras el robot lleva una bola de bolos, la taza se une a la lista de evitación y el robot actualiza su trayectoria. Este paso refleja cómo siempre han funcionado los métodos anteriores y es donde comienzan sus problemas.
"El problema ocurre cuando su lista de funciones se vuelve muy larga y algunas funciones ya no son relevantes porque su entorno puede haber cambiado", dijo Dennler a MIT News. Un robot al que se le dice que evite cada objeto individualmente se vuelve más lento para corregir y más lento para planificar, y la carga de la enumeración recae sobre el ser humano.
Paso 2: Generalizar
Ésta es la contribución principal de FLEX. Un modelo de lenguaje grande (GPT-4o, en la implementación del equipo) examina la lista de características acumuladas y busca patrones entre los elementos. Frente a una taza y otros objetos frágiles que la persona ha señalado, el LLM infiere una clase general: evitar las cosas frágiles, incluso las que nunca se mencionan. Debido a que el modelo se basó en vastas bibliotecas de texto humano, gran parte del sentido común cotidiano viene preinstalado.
"Los LLM han visto muchísimos textos de Internet, de todo tipo de personas y lugares", dijo Dennler. "Debido a que se han entrenado tanto en esas cosas, parte de ese sentido común se absorbe en el LLM".
Paso 3: Máscara
Los entornos reales cambian y las reglas obsoletas provocan un comportamiento errático. El tercer paso de FLEX utiliza el sistema de visión por computadora estándar del robot para determinar qué objetos marcados ya no están presentes y luego elimina esas entradas de la lista de características, manteniendo actualizadas las limitaciones del robot sin intervención humana.
Probado en simulaciones de café, velas y bolas de bolos
El equipo evaluó FLEX en simulaciones de un brazo robótico que realizaba tres tareas: servir una taza de café, mover una vela y transportar una bola de boliche. Los voluntarios interactuaron con el robot virtual escribiendo comandos en lenguaje natural como "No derrames en mi computadora portátil", "Manténgase alejado de la pila de papeles" y "No los deje caer en la taza".
En los tres escenarios, el robot siguió cada comando literalmente y al mismo tiempo razonó a un nivel superior: manteniéndose alejado de los dispositivos electrónicos cuando se le advirtió sobre la computadora portátil, evitando objetos inflamables cuando se le pidió que vigilara la vela y tratando todos los artículos frágiles como zonas de no caída después de una sola advertencia de taza.
Por qué el sentido común es el cuello de botella para los robots domésticos
La investigación apunta a un obstáculo persistente en la robótica de consumo: nadie envía un robot que ya sepa lo que importa en su hogar. La planificación de trayectorias basada en la física es precisa pero opaca, y esperar que los usuarios manipulen funciones matemáticas de costos no es un comienzo.
"Los robots usan las matemáticas para planificar su trayectoria. Pero no podemos esperar que un consumidor aprenda a hacer estas matemáticas para decirle a un robot qué hacer", dijo Dennler. "En lugar de tener que hacer que la gente aprenda a utilizar un robot de una manera específica, el objetivo es interactuar con el robot a través del lenguaje natural".
Una gran corriente de investigación en robótica ya entrelaza el lenguaje con el aprendizaje de los robots: aclarando los objetivos de las tareas, redirigiendo trayectorias y definiendo caminos seguros. Pero MIT News señala que los métodos existentes utilizan el lenguaje principalmente para decirle al robot cómo realizar físicamente una tarea. El grupo de Bobu está avanzando hacia una frontera diferente: extraer las preferencias subyacentes y no especificadas de una persona a partir de un puñado de órdenes casuales.
"Los hogares de cada persona son diferentes y cada uno se preocupa por cosas diferentes, por lo que ningún robot sale de la caja sabiendo lo que le importa", dijo Bobu a MIT News. "Lo que me entusiasma de FLEX es que puede aprender eso de una oración o dos en lugar de pedirte que expliques cada regla, y esa es la diferencia entre un robot que la gente tolera y uno que realmente quieren tener en su casa".
¿Qué viene después?
El trabajo, detallado en el artículo "Edición de representación guiada por lenguaje flexible para el comportamiento adaptativo del robot", fue apoyado en parte por el MIT Generative AI Impact Consortium y el programa de Responsabilidades Sociales y Éticas de la Computación del MIT Schwarzman College of Computing.
Los resultados mostrados hasta ahora son simulaciones, y trasladar ese rendimiento al hardware físico (con una percepción más confusa, un lenguaje más ruidoso y consecuencias reales) sigue siendo el próximo obstáculo en este campo. Pero la dirección es clara: a medida que los robots pasan de las jaulas de las fábricas a las cocinas y oficinas, las máquinas que tengan éxito pueden ser las que comprendan no sólo lo que decimos, sino lo que queremos decir.
Este artículo está basado en un informe de Jennifer Chu, publicado por MIT News el 9 de noviembre de 2026.---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
