Katakan pada robot "jangan menumpahkan kopi ke laptop saya" dan mesin masa kini akan melakukan hal itu — dan tidak lebih. Ponsel yang ada di sebelah laptop? Tablet sedang mengisi daya di sisi lain meja? Hilangkan radar robot sampai Anda mengejanya satu per satu, koreksi demi koreksi yang membosankan.
Sebuah platform baru dari peneliti MIT dan New York University bertujuan untuk menutup kesenjangan tersebut. Sistem yang disebut FLEX ini memungkinkan robot perencana gerak untuk mengikuti instruksi eksplisit manusia sekaligus menarik generalisasi yang lebih luas sehingga meningkatkan kinerja, menurut MIT News. Tim tersebut akan mempresentasikan karyanya pada Conference on Robot Learning (CoRL) tahunan bulan ini. For more context on this story, see our ongoing AI trends.
“LLM telah melihat begitu banyak teks dari internet,” kata Nathan Dennler, seorang postdoc di Computer Science and Artificial Intelligence Laboratory (CSAIL) MIT dan penulis studi. "Orang-orang mungkin menulis tentang, 'Oh, ponsel saya terjatuh ke dalam air dan sekarang tidak berfungsi,' atau 'Saya menumpahkan kopi ke komputer saya dan sekarang tidak berfungsi.' Jadi LLM mengambil gagasan bahwa cairan dan perangkat menyebabkan segala sesuatunya tidak berfungsi."
Dari Satu Peringatan ke Seluruh Buku Peraturan
Dalam salah satu skenario demonstrasi yang dijelaskan oleh MIT News, seseorang menyaksikan lengan robot membawa cangkir kopi melintasi meja yang berantakan dan mengetikkan satu perintah: "Jangan tumpahkan ke laptop!" Robot konvensional akan menambahkan laptop ke daftar penghindarannya dan merencanakan ulang jalurnya. FLEX melangkah lebih jauh — robot ini menjelaskan mengapa laptop penting dan menyesuaikan lintasannya untuk menghindari barang elektronik di dekatnya, termasuk telepon yang tidak pernah disebutkan oleh pengguna.
“Idenya adalah ada niat tingkat tinggi di balik kata-kata yang Anda ucapkan,” kata Dennler. "Orang-orang secara alami memahami hal ini. Namun Anda harus menjelaskannya dengan hati-hati kepada robot, dan hal ini membutuhkan waktu dan usaha. FLEX memberi Anda antarmuka komunikasi dengan robot untuk mengatakan, 'Ketika orang mengatakan ini, mereka bersungguh-sungguh.'"
Penelitian ini dipimpin oleh Andreea Bobu, asisten profesor aeronautika dan astronotika di MIT yang mengepalai Lab Collaborative Learning and Autonomy Research (CLEAR). Rekan penulis termasuk Audrey Lee, yang menyelesaikan SM-nya di MIT pada tahun 2026, dan Ilia Sucholutsky dari New York University.
Cara Kerja FLEX: Tambah, Generalisasi, Mask
FLEX beroperasi sebagai saluran pipa tiga langkah yang berjalan dalam waktu sekitar lima detik.
Langkah 1: Tambahkan
Saat pengguna mengeluarkan koreksi bahasa alami, robot menambahkan fitur yang relevan ke daftar hal-hal yang penting untuk tugas tersebut. Jika seseorang berkata, "Jangan jatuhkan ke cangkirku!" saat robot membawa bola bowling, mug tersebut bergabung dengan daftar penghindaran dan robot memperbarui lintasannya. Langkah ini mencerminkan bagaimana metode sebelumnya selalu berhasil — dan di sinilah permasalahannya dimulai.
“Masalahnya terjadi ketika daftar fitur Anda menjadi sangat panjang, dan beberapa fitur tidak lagi relevan karena lingkungan Anda mungkin telah berubah,” kata Dennler kepada MIT News. Robot yang diperintahkan untuk menghindari setiap objek secara individual menjadi lebih lambat dalam mengoreksi dan lebih lambat dalam merencanakan, dan beban pencacahan ditanggung oleh manusia.
Langkah 2: Generalisasi
Ini adalah kontribusi inti FLEX. Model bahasa besar — GPT-4o, dalam penerapan tim — memeriksa daftar fitur yang terakumulasi dan mencari pola di antara item. Dihadapkan pada mug ditambah benda rapuh lainnya yang telah ditandai oleh orang tersebut, LLM menyimpulkan kelas umum: hindari benda rapuh, bahkan yang tidak pernah disebutkan. Karena model dilatih pada perpustakaan teks manusia yang luas, sebagian besar akal sehat sehari-hari sudah diinstal sebelumnya.
“LLM telah melihat begitu banyak teks dari internet, dari berbagai orang dan tempat,” kata Dennler. "Karena mereka telah banyak berlatih mengenai hal-hal tersebut, sebagian dari akal sehat tersebut diserap ke dalam LLM."
Langkah 3: Masker
Lingkungan nyata berubah, dan peraturan lama menyebabkan perilaku tidak menentu. Langkah ketiga FLEX menggunakan sistem visi komputer standar robot untuk menentukan objek mana yang ditandai sudah tidak ada lagi, lalu menghapus entri tersebut dari daftar fitur — menjaga batasan robot tetap terkini tanpa campur tangan manusia.
Diuji dalam Simulasi Kopi, Lilin, dan Bola Bowling
Tim mengevaluasi FLEX dalam simulasi lengan robot yang melakukan tiga tugas: menyajikan secangkir kopi, menggerakkan lilin, dan membawa bola bowling. Relawan berinteraksi dengan robot virtual dengan mengetikkan perintah dalam bahasa alami seperti "Jangan tumpah ke laptop saya", "Jauhi tumpukan kertas", dan "Jangan jatuhkan ke cangkir".
Dalam ketiga skenario, robot mengikuti setiap perintah secara harfiah sambil juga berpikir pada tingkat yang lebih tinggi – menjauhi barang elektronik saat diperingatkan tentang laptop, menghindari benda yang mudah terbakar saat disuruh mengawasi lilin, dan memperlakukan semua benda rapuh sebagai zona larangan jatuh setelah peringatan satu cangkir.
Mengapa Akal Sehat Menjadi Hambatan bagi Robot Rumahan
Penelitian ini menargetkan hambatan yang terus-menerus terjadi dalam robotika konsumen: tidak ada yang mengirimkan robot yang sudah mengetahui apa yang penting di rumah Anda. Perencanaan lintasan berbasis fisika tepat tetapi tidak jelas, dan mengharapkan pengguna untuk memanipulasi fungsi biaya matematis bukanlah hal yang mudah.
“Robot menggunakan matematika untuk melakukan perencanaan lintasannya. Namun kita tidak bisa mengharapkan konsumen belajar melakukan matematika ini untuk memberi tahu robot apa yang harus dilakukan,” kata Dennler. “Daripada membuat orang belajar cara menggunakan robot dengan cara tertentu, tujuannya adalah berinteraksi dengan robot melalui bahasa alami.”
Sejumlah besar penelitian robotika telah menggabungkan bahasa ke dalam pembelajaran robot – memperjelas tujuan tugas, mengarahkan ulang lintasan, dan menentukan jalur aman. Namun MIT News mencatat bahwa metode yang ada menggunakan bahasa terutama untuk memberi tahu robot bagaimana melakukan suatu tugas secara fisik. Kelompok Bobu mendorong hal yang berbeda: mengekstraksi preferensi seseorang yang mendasar dan tidak ditentukan dari beberapa perintah biasa.
“Rumah setiap orang berbeda, dan setiap orang peduli terhadap hal yang berbeda, jadi tidak ada robot yang tahu apa yang penting bagi Anda,” kata Bobu kepada MIT News. "Yang membuat saya bersemangat tentang FLEX adalah ia dapat memahami hal tersebut dari satu atau dua kalimat, alih-alih meminta Anda menjelaskan setiap aturan — dan itulah perbedaan antara robot yang digunakan manusia dan robot yang sebenarnya mereka inginkan di rumah mereka."
Apa yang Terjadi Selanjutnya
Pekerjaan tersebut, yang dirinci dalam makalah "Pengeditan Representasi Berpanduan Bahasa Fleksibel untuk Perilaku Robot Adaptif," didukung sebagian oleh Konsorsium Dampak AI Generatif MIT dan program Tanggung Jawab Sosial dan Etis Komputasi MIT Schwarzman College of Computing.
Hasil yang ditunjukkan sejauh ini hanyalah simulasi, dan menerjemahkan kinerja tersebut ke perangkat keras fisik — dengan persepsi yang lebih berantakan, bahasa yang lebih berisik, dan konsekuensi yang nyata — masih menjadi tantangan berikutnya di bidang ini. Namun arahnya jelas: ketika robot berpindah dari kandang pabrik ke dapur dan kantor, mesin yang berhasil mungkin adalah mesin yang tidak hanya memahami apa yang kami katakan, namun juga apa yang kami maksudkan.
Artikel ini berdasarkan laporan Jennifer Chu yang diterbitkan oleh MIT News pada 9 November 2026.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
