Di' a un robot "non versare il caffè sul mio laptop" e le macchine di oggi faranno esattamente questo, e niente di più. Il telefono accanto al portatile? Il tablet in carica dall'altra parte del tavolo? Fuori dal radar del robot finché non li spieghi ciascuno, correzione dopo noiosa correzione.

Una nuova piattaforma dei ricercatori del MIT e della New York University mira a colmare questa lacuna. Secondo MIT News, il sistema, chiamato FLEX, consente ai robot di pianificazione del movimento di seguire le istruzioni esplicite di un essere umano e allo stesso tempo di trarne generalizzazioni più ampie che migliorano le prestazioni. Il team presenterà il lavoro alla conferenza annuale sull’apprendimento dei robot (CoRL) questo mese. Per maggiori informazioni su questa storia, consulta la nostra notizie sull'IA.

"I LLM hanno visto così tanti testi da Internet", ha affermato Nathan Dennler, postdoc presso il Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT e autore dello studio. "Le persone potrebbero aver scritto: 'Oh, il mio telefono è caduto in acqua e ora non funziona', oppure 'Ho rovesciato il caffè sul computer e ora non funziona'. Quindi gli LLM riprendono l'idea che i liquidi più i dispositivi portano a cose che non funzionano."

Da un avvertimento a un intero regolamento

In uno scenario dimostrativo descritto da MIT News, una persona osserva un braccio robotico trasportare una tazza di caffè su un tavolo disordinato e digita un unico comando: "Non versare sul laptop!" Un robot convenzionale aggiungerebbe il laptop alla sua lista da evitare e pianificherebbe il suo percorso. FLEX va oltre: il robot spiega perché i laptop sono importanti e regola la sua traiettoria per evitare i dispositivi elettronici nelle vicinanze, incluso un telefono che l'utente non ha mai menzionato.

"L'idea è che ci sia qualche intenzione di livello superiore dietro le parole che dici", ha detto Dennler. "Le persone lo capiscono naturalmente. Ma devi spiegarlo attentamente a un robot, il che richiede tempo e impegno. FLEX ti fornisce un'interfaccia di comunicazione con un robot per dire: 'Quando le persone dicono questo, intendono quello.'"

Lo studio è stato condotto da Andreea Bobu, assistente professore di aeronautica e astronautica al MIT che dirige il Laboratorio di Collaborative Learning and Autonomy Research (CLEAR). Tra i coautori figurano Audrey Lee, che ha completato il suo SM al MIT nel 2026, e Ilia Sucholutsky della New York University.

Come funziona FLEX: aggiungi, generalizza, maschera

FLEX funziona come una pipeline in tre fasi che viene eseguita in circa cinque secondi.

Passaggio 1: aggiungi

Quando un utente esegue una correzione nel linguaggio naturale, il robot aggiunge la funzionalità pertinente al suo elenco corrente di cose importanti per l'attività. Se una persona dice "Non lasciarlo cadere sulla mia tazza!" mentre il robot trasporta una palla da bowling, la tazza si aggiunge alla lista da evitare e il robot aggiorna la sua traiettoria. Questo passaggio riflette il modo in cui i metodi precedenti hanno sempre funzionato ed è qui che iniziano i problemi.

"Il problema si verifica quando l'elenco delle funzionalità diventa molto lungo e alcune funzionalità non sono più rilevanti perché l'ambiente potrebbe essere cambiato", ha detto Dennler a MIT News. Un robot a cui viene detto di evitare ogni oggetto individualmente diventa più lento nel correggere e più lento nel pianificare, e il peso dell’enumerazione ricade sull’umano.

Passaggio 2: generalizzare

Questo è il contributo principale di FLEX. Un modello linguistico di grandi dimensioni, GPT-4o, nell'implementazione del team, esamina l'elenco delle funzionalità accumulate e cerca modelli tra gli elementi. Di fronte a una tazza e ad altri oggetti fragili che la persona ha segnalato, il LLM deduce una lezione generale: evitare le cose fragili, anche quelle mai menzionate. Poiché il modello è addestrato su vaste librerie di testi umani, gran parte del buon senso quotidiano arriva preinstallato.

"I LLM hanno visto così tanti testi da Internet, da tutti i tipi di persone e luoghi", ha detto Dennler. "Poiché si sono formati così tanto su queste cose, parte di quel buon senso viene assorbito nel LLM."

Passaggio 3: maschera

Gli ambienti reali cambiano e le regole obsolete causano comportamenti irregolari. La terza fase di FLEX utilizza il sistema di visione artificiale standard del robot per determinare quali oggetti contrassegnati non sono più presenti, quindi elimina tali voci dall'elenco delle funzionalità, mantenendo aggiornati i vincoli del robot senza intervento umano.

Testato in simulazioni di caffè, candele e palle da bowling

Il team ha valutato FLEX simulando un braccio robotico che esegue tre compiti: servire una tazza di caffè, spostare una candela e trasportare una palla da bowling. I volontari hanno interagito con il robot virtuale digitando comandi in linguaggio naturale come "Non versare sul mio laptop", "Stai lontano dalla risma di carta" e "Non far cadere sulla tazza".

In tutti e tre gli scenari, il robot ha seguito ogni comando alla lettera ragionando anche a un livello più alto: evitando i dispositivi elettronici quando veniva avvisato della presenza del laptop, evitando oggetti infiammabili quando gli veniva detto di guardare la candela e trattando tutti gli oggetti fragili come zone in cui non è consentito cadere dopo un singolo avvertimento.

Perché il buon senso è il collo di bottiglia per i robot domestici

La ricerca prende di mira un ostacolo persistente nella robotica di consumo: nessuno spedisce un robot che sa già cosa conta nella tua casa. La pianificazione della traiettoria basata sulla fisica è precisa ma opaca, e aspettarsi che gli utenti manipolino le funzioni matematiche di costo è un fallimento.

"I robot usano la matematica per pianificare la traiettoria. Ma non possiamo aspettarci che un consumatore impari a fare questi calcoli per dire a un robot cosa fare", ha detto Dennler. "Invece di dover convincere le persone a imparare a usare un robot in un modo specifico, l'obiettivo è interagire con il robot attraverso il linguaggio naturale."

Un ampio filone di ricerca sulla robotica intreccia già il linguaggio nell’apprendimento dei robot, chiarendo gli obiettivi dei compiti, reindirizzando le traiettorie, definendo percorsi sicuri. Ma MIT News nota che i metodi esistenti utilizzano il linguaggio principalmente per dire al robot come eseguire fisicamente un compito. Il gruppo di Bobu si sta spingendo verso una frontiera diversa: estrarre le preferenze sottostanti e non specificate di una persona da una manciata di comandi casuali.

"Le case di ognuno sono diverse e ognuno si preoccupa di cose diverse, quindi nessun robot esce dalla scatola sapendo cosa conta per te", ha detto Bobu a MIT News. "Ciò che mi entusiasma di FLEX è che può capirlo da una frase o due invece di chiederti di precisare ogni regola - e questa è la differenza tra un robot che le persone sopportano e uno che vogliono davvero nella loro casa."

Cosa verrà dopo

Il lavoro, dettagliato nel documento “Flexible Language-Guided Representation Editing for Adaptive Robot Behavior”, è stato supportato in parte dal MIT Generative AI Impact Consortium e dal programma Social and Ethical Responsibilities of Computing del MIT Schwarzman College of Computing.

I risultati mostrati finora sono simulazioni e tradurre tali prestazioni in hardware fisico – con una percezione più confusa, un linguaggio più rumoroso e conseguenze reali – rimane il prossimo ostacolo del settore. Ma la direzione è chiara: mentre i robot si spostano dalle gabbie delle fabbriche alle cucine e agli uffici, le macchine che avranno successo potrebbero essere quelle che capiscono non solo quello che diciamo, ma anche quello che intendiamo.

Questo articolo si basa su un rapporto di Jennifer Chu, pubblicato da MIT News il 9 novembre 2026.

---

Rimani Aggiornato sull'IA

Le ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.

Leggi altre notizie sull'IA →