एक रोबोट से कहो "मेरे लैपटॉप पर कॉफ़ी मत गिराओ" और आज की मशीनें बिल्कुल वैसा ही करेंगी - और इससे अधिक कुछ नहीं। लैपटॉप के बगल में बैठा फोन? टेबलेट टेबल के दूसरी ओर चार्ज हो रहा है? जब तक आप प्रत्येक को स्पष्ट नहीं कर देते, तब तक रोबोट के रडार से दूर रहें, कठिन सुधार द्वारा सुधार।
एमआईटी और न्यूयॉर्क विश्वविद्यालय के शोधकर्ताओं के एक नए मंच का लक्ष्य उस अंतर को पाटना है। एमआईटी न्यूज के अनुसार, फ्लेक्स नामक प्रणाली, मोशन-प्लानिंग रोबोटों को मानव के स्पष्ट निर्देशों का पालन करने में सक्षम बनाती है, साथ ही उनसे व्यापक सामान्यीकरण भी प्राप्त करती है जो प्रदर्शन में सुधार करती है। टीम इस महीने रोबोट लर्निंग (सीओआरएल) पर वार्षिक सम्मेलन में काम प्रस्तुत करेगी। For more context on this story, see our ongoing breaking AI news.
एमआईटी के कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (सीएसएआईएल) में पोस्टडॉक और एक अध्ययन लेखक नाथन डेनलर ने कहा, "एलएलएम ने इंटरनेट से बहुत सारे पाठ देखे हैं।" "लोगों ने लिखा होगा, 'ओह, मेरा फ़ोन पानी में गिर गया और अब यह काम नहीं करता है,' या 'मैंने अपने कंप्यूटर पर कॉफ़ी गिरा दी है और अब यह काम नहीं करता है।' इसलिए एलएलएम इस विचार को अपनाते हैं कि तरल पदार्थ और उपकरणों के कारण चीजें काम नहीं करतीं।"
एक चेतावनी से लेकर पूरी नियम पुस्तिका तक
एमआईटी न्यूज द्वारा वर्णित एक प्रदर्शन परिदृश्य में, एक व्यक्ति एक रोबोटिक हाथ को एक अव्यवस्थित मेज पर कॉफी कप ले जाते हुए देखता है और एक ही कमांड टाइप करता है: "लैपटॉप पर मत गिराओ!" एक पारंपरिक रोबोट लैपटॉप को अपनी बचाव सूची में जोड़ देगा और उसके पथ को फिर से नियोजित करेगा। फ्लेक्स आगे बढ़ता है - रोबोट यह बताता है कि लैपटॉप क्यों मायने रखता है और आस-पास के इलेक्ट्रॉनिक्स से बचने के लिए अपने प्रक्षेपवक्र को समायोजित करता है, जिसमें वह फोन भी शामिल है जिसका उपयोगकर्ता ने कभी उल्लेख नहीं किया है।
डेनलर ने कहा, "विचार यह है कि आपके द्वारा कहे गए शब्दों के पीछे कुछ उच्च-स्तरीय मंशा है।" "लोगों को यह स्वाभाविक रूप से मिलता है। लेकिन आपको इसे एक रोबोट को सावधानीपूर्वक समझाना होगा, जिसमें समय और प्रयास लगता है। फ्लेक्स आपको यह कहने के लिए एक रोबोट के साथ संचार का एक इंटरफ़ेस देता है, 'जब लोग यह कहते हैं, तो उनका मतलब वह होता है।'"
अध्ययन का नेतृत्व एमआईटी में एयरोनॉटिक्स और एस्ट्रोनॉटिक्स के सहायक प्रोफेसर एंड्रिया बोबू ने किया, जो सहयोगात्मक शिक्षण और स्वायत्त अनुसंधान (सीएलईएआर) लैब के प्रमुख हैं। सह-लेखकों में ऑड्रे ली शामिल हैं, जिन्होंने 2026 में एमआईटी में एसएम पूरा किया, और न्यूयॉर्क विश्वविद्यालय की इलिया सुचोलुटस्की।
फ्लेक्स कैसे काम करता है: जोड़ें, सामान्यीकृत करें, मास्क करें
फ्लेक्स तीन चरणों वाली पाइपलाइन के रूप में काम करता है जो लगभग पांच सेकंड में चलती है।
चरण 1: जोड़ें
जब कोई उपयोगकर्ता प्राकृतिक-भाषा सुधार जारी करता है, तो रोबोट कार्य के लिए महत्वपूर्ण चीज़ों की चालू सूची में प्रासंगिक सुविधा जोड़ता है। यदि कोई व्यक्ति कहता है, "इसे मेरे मग पर मत गिराओ!" जबकि रोबोट एक बॉलिंग बॉल ले जाता है, मग बचाव सूची में शामिल हो जाता है और रोबोट अपने प्रक्षेप पथ को अपडेट करता है। यह कदम दर्शाता है कि पिछले तरीकों ने हमेशा कैसे काम किया है - और यहीं से उनकी परेशानी शुरू होती है।
डेनलर ने एमआईटी न्यूज़ को बताया, "समस्या तब होती है जब आपकी फीचर सूची बहुत लंबी हो जाती है, और कुछ सुविधाएं अब प्रासंगिक नहीं रह जाती हैं क्योंकि आपका वातावरण बदल गया है।" एक रोबोट को प्रत्येक वस्तु से अलग-अलग बचने के लिए कहा जाता है, जिससे वह सही करने में धीमा हो जाता है और योजना बनाने में धीमा हो जाता है, और गणना का बोझ मानव पर पड़ता है।
चरण 2: सामान्यीकरण करें
यह FLEX का मुख्य योगदान है। टीम के कार्यान्वयन में एक बड़ा भाषा मॉडल - GPT-4o, संचित फीचर सूची की जांच करता है और वस्तुओं के बीच पैटर्न की खोज करता है। एक मग और अन्य नाजुक वस्तुओं का सामना करने पर जिसे व्यक्ति ने चिह्नित किया है, एलएलएम एक सामान्य वर्ग का अनुमान लगाता है: नाजुक चीजों से बचें, यहां तक कि जिनका कभी उल्लेख नहीं किया गया है। क्योंकि मॉडल को मानव पाठ के विशाल पुस्तकालयों पर प्रशिक्षित किया गया है, रोजमर्रा के अधिकांश सामान्य ज्ञान पहले से ही स्थापित होते हैं।
डेनलर ने कहा, "एलएलएम ने इंटरनेट से, सभी प्रकार के लोगों और स्थानों से बहुत सारे पाठ देखे हैं।" "क्योंकि उन्होंने उन चीज़ों पर बहुत अधिक प्रशिक्षण लिया है, उनमें से कुछ सामान्य ज्ञान एलएलएम में समाहित हो जाता है।"
चरण 3: मास्क
वास्तविक वातावरण बदल जाता है, और पुराने नियम अनियमित व्यवहार का कारण बनते हैं। फ्लेक्स का तीसरा चरण रोबोट के मानक कंप्यूटर विज़न सिस्टम का उपयोग यह निर्धारित करने के लिए करता है कि कौन सी चिह्नित वस्तुएं अब मौजूद नहीं हैं, फिर उन प्रविष्टियों को फीचर सूची से हटा देता है - मानव हस्तक्षेप के बिना रोबोट की बाधाओं को चालू रखता है।
कॉफ़ी, मोमबत्ती और बॉलिंग बॉल सिमुलेशन में परीक्षण किया गया
टीम ने तीन कार्य करने वाली रोबोट भुजा के सिमुलेशन में फ्लेक्स का मूल्यांकन किया: एक कप कॉफी परोसना, मोमबत्ती हिलाना और बॉलिंग बॉल ले जाना। स्वयंसेवकों ने प्राकृतिक भाषा में कमांड टाइप करके वर्चुअल रोबोट के साथ बातचीत की, जैसे "मेरे लैपटॉप पर मत गिराओ," "कागज के ढेर से दूर रहो," और "मग पर मत गिराओ।"
तीनों परिदृश्यों में, रोबोट ने उच्च स्तर पर तर्क करते हुए प्रत्येक आदेश का अक्षरश: पालन किया - लैपटॉप के बारे में चेतावनी दिए जाने पर इलेक्ट्रॉनिक्स से दूर रहना, मोमबत्ती पर नजर रखने के लिए कहे जाने पर ज्वलनशील वस्तुओं से बचना, और एक मग चेतावनी के बाद सभी नाजुक वस्तुओं को नो-ड्रॉप जोन के रूप में मानना।
घरेलू रोबोटों के लिए सामान्य ज्ञान बाधा क्यों है
यह शोध उपभोक्ता रोबोटिक्स में एक सतत बाधा को लक्षित करता है: कोई भी ऐसा रोबोट नहीं भेजता है जो पहले से ही जानता हो कि आपके घर में क्या मायने रखता है। भौतिकी-आधारित प्रक्षेपवक्र योजना सटीक लेकिन अपारदर्शी है, और उपयोगकर्ताओं से गणितीय लागत कार्यों में हेरफेर करने की अपेक्षा करना एक गैर-स्टार्टर है।
डेनलर ने कहा, "रोबोट अपने प्रक्षेप पथ की योजना बनाने के लिए गणित का उपयोग करते हैं। लेकिन हम किसी उपभोक्ता से यह उम्मीद नहीं कर सकते हैं कि वह रोबोट को यह बताने के लिए यह गणित सीखे कि उसे क्या करना है।" "लोगों को एक विशिष्ट तरीके से रोबोट का उपयोग करना सीखने के बजाय, लक्ष्य प्राकृतिक भाषा के माध्यम से रोबोट के साथ बातचीत करना है।"
रोबोटिक्स अनुसंधान का एक बड़ा हिस्सा पहले से ही भाषा को रोबोट सीखने में शामिल करता है - कार्य लक्ष्यों को स्पष्ट करना, प्रक्षेप पथ को पुनर्निर्देशित करना, सुरक्षित पथ को परिभाषित करना। लेकिन एमआईटी न्यूज़ का कहना है कि मौजूदा तरीके मुख्य रूप से रोबोट को यह बताने के लिए भाषा का उपयोग करते हैं कि किसी कार्य को भौतिक रूप से कैसे पूरा किया जाए। बोबू का समूह एक अलग सीमा पर आगे बढ़ रहा है: मुट्ठी भर आकस्मिक आदेशों से किसी व्यक्ति की अंतर्निहित, अनिर्दिष्ट प्राथमिकताओं को निकालना।
बोबू ने एमआईटी न्यूज को बताया, "हर किसी के घर अलग-अलग होते हैं, और हर कोई अलग-अलग चीजों की परवाह करता है, इसलिए कोई भी रोबोट यह नहीं जानता कि आपके लिए क्या मायने रखता है।" "फ्लेक्स के बारे में मुझे जो बात उत्साहित करती है वह यह है कि यह आपसे प्रत्येक नियम का वर्णन करने के लिए कहने के बजाय एक या दो वाक्यों से उसे चुन सकता है - और यही उस रोबोट के बीच का अंतर है जिसे लोग सहन करते हैं और जिसे वे वास्तव में अपने घर में चाहते हैं।"
आगे क्या आता है
"अनुकूली रोबोट व्यवहार के लिए लचीली भाषा-निर्देशित प्रतिनिधित्व संपादन" पेपर में विस्तृत कार्य को एमआईटी जेनरेटिव एआई इम्पैक्ट कंसोर्टियम और एमआईटी श्वार्ज़मैन कॉलेज ऑफ कंप्यूटिंग के कंप्यूटिंग प्रोग्राम के सामाजिक और नैतिक उत्तरदायित्वों द्वारा समर्थित किया गया था।
अब तक दिखाए गए परिणाम सिमुलेशन हैं, और उस प्रदर्शन को भौतिक हार्डवेयर में अनुवाद करना - गन्दी धारणा, शोर भाषा और वास्तविक परिणामों के साथ - क्षेत्र की अगली बाधा बनी हुई है। लेकिन दिशा स्पष्ट है: जैसे ही रोबोट कारखाने के पिंजरों से रसोई और कार्यालयों में चले जाते हैं, जो मशीनें सफल होती हैं वे वे हो सकती हैं जो न केवल हम क्या कहते हैं, बल्कि हमारा मतलब भी समझती हैं।
यह लेख जेनिफर चू की रिपोर्टिंग पर आधारित है, जिसे एमआईटी न्यूज़ ने 9 नवंबर, 2026 को प्रकाशित किया था।---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
