Marang robot "aja tumpukan kopi ing laptopku" lan mesin saiki bakal nindakake persis - lan ora liya. Telpon lungguh ing jejere laptop? Tablet ngisi ing sisih liyane meja? Mati radar robot nganti sampeyan ngeja saben siji, koreksi kanthi koreksi sing nyenengake.
Platform anyar saka peneliti MIT lan Universitas New York duwe tujuan kanggo nutup celah kasebut. Sistem kasebut, sing diarani FLEX, ngidini robot-robot ngrancang gerakan kanggo nuruti instruksi eksplisit manungsa nalika uga nggambar generalisasi sing luwih akeh saka wong-wong mau sing nambah kinerja, miturut MIT News. Tim kasebut bakal nampilake karya kasebut ing Konferensi taunan babagan Robot Learning (CoRL) ing wulan iki. For more context on this story, see our ongoing latest AI developments.
"LLM wis ndeleng akeh teks saka internet," ujare Nathan Dennler, postdoc ing MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) lan penulis sinau. "Wong-wong bisa uga wis nulis babagan, 'Oh, telponku tiba ing banyu lan saiki ora bisa digunakake,' utawa 'Aku tumpahake kopi ing komputer lan saiki ora bisa digunakake.' Dadi, LLM njupuk ide manawa piranti cair lan piranti ora bisa digunakake.
Saka Siji Peringatan menyang Buku Aturan Kabeh
Ing salah sawijining skenario demonstrasi sing diterangake dening MIT News, ana wong sing ndeleng lengen robot nggawa cangkir kopi ing meja sing rame lan ngetik perintah siji: "Aja tumpah ing laptop!" Robot konvensional bakal nambah laptop menyang dhaptar panyegahan lan ngrancang maneh dalane. FLEX dadi luwih maju - robot alasan kenapa laptop penting lan nyetel lintasan kanggo ngindhari elektronik sing cedhak, kalebu telpon sing durung nate disebutake pangguna.
"Ide iki ana sawetara maksud sing luwih dhuwur ing mburi tembung sing sampeyan ucapake," ujare Dennler. "Wong kanthi alami entuk iki. Nanging sampeyan kudu njlentrehake kanthi teliti babagan robot, sing mbutuhake wektu lan gaweyan. FLEX menehi antarmuka komunikasi karo robot kanggo ngomong, 'Nalika wong ngomong iki, tegese.'
Panaliten kasebut dipimpin dening Andreea Bobu, asisten profesor aeronautika lan astronautika ing MIT sing dadi kepala Laboratorium Pembelajaran Kolaboratif lan Otonomi (CLEAR). Co-penulis kalebu Audrey Lee, sing ngrampungake SM ing MIT ing 2026, lan Ilia Sucholutsky saka Universitas New York.
Cara Kerja FLEX: Tambah, Umum, Topeng
FLEX beroperasi minangka pipa telung langkah sing mlaku ing kira-kira limang detik.
Langkah 1: Tambah
Nalika pangguna nerbitake koreksi basa alami, robot kasebut nambahake fitur sing cocog menyang dhaptar barang sing penting kanggo tugas kasebut. Yen ana wong ngomong "Aja nyelehake ing cangkirku!" nalika robot nggawa bal bowling, mug gabung karo dhaptar panyegahan lan robot nganyari lintasan. Langkah iki nuduhake carane cara sadurunge tansah bisa digunakake - lan ing ngendi masalahe diwiwiti.
"Masalah kasebut kedadeyan nalika dhaptar fitur sampeyan dadi dawa banget, lan sawetara fitur ora cocog maneh amarga lingkungan sampeyan bisa uga wis owah," ujare Dennler marang MIT News. A robot ngandika supaya saben obyek individu dadi luwih alon kanggo mbenerake lan luwih alon kanggo rencana, lan beban enumerasi tumiba ing manungsa.
Langkah 2: Umum
Iki minangka kontribusi inti FLEX. Model basa gedhe — GPT-4o, ing implementasine tim — mriksa dhaptar fitur sing dikumpulake lan nggoleki pola ing antarane item kasebut. Ngadhepi cangkir lan obyek sing rapuh liyane sing ditandhani wong, LLM nyimpulake kelas umum: ngindhari barang sing rapuh, sanajan ora nate kasebut. Amarga model sing dilatih ing perpustakaan gedhe teks manungsa, akeh akal sehat saben dina wis diinstal.
"LLM wis ndeleng akeh teks saka internet, saka kabeh jinis wong lan papan," ujare Dennler. "Amarga dheweke wis nglatih akeh babagan perkara kasebut, sawetara akal sehat kasebut diserap menyang LLM."
Langkah 3: Topeng
Lingkungan nyata owah-owahan, lan aturan stale nyebabake prilaku sing ora mesthi. Langkah katelu FLEX nggunakake sistem visi komputer standar robot kanggo nemtokake obyek sing diwenehi tandha sing ora ana maneh, banjur mbusak entri kasebut saka dhaptar fitur - tetep watesan robot tanpa campur tangan manungsa.
Diuji ing Simulasi Kopi, Lilin lan Bola Bowling
Tim kasebut ngevaluasi FLEX ing simulasi lengen robot sing nindakake telung tugas: ngladeni secangkir kopi, ngobahake lilin, lan nggawa bal bowling. Sukarelawan sesambungan karo robot virtual kanthi ngetik printah basa alami kayata "Aja tumpah ing laptopku," "Tetep adoh saka tumpukan kertas," lan "Aja nyelehake cangkir."
Ing kabeh telung skenario, robot ngetutake saben printah kanthi harfiah nalika uga mikir ing tingkat sing luwih dhuwur - nyingkirake elektronik nalika dielingake babagan laptop, ngindhari obyek sing gampang kobong nalika didhawuhi nonton lilin, lan nganggep kabeh barang sing rapuh minangka zona tanpa gulung sawise peringatan cangkir siji.
Napa Akal Umum minangka Bottleneck kanggo Robot Ngarep
Riset kasebut ngarahake alangan sing terus-terusan ing robotika konsumen: ora ana sing ngirim robot sing wis ngerti apa sing penting ing omah sampeyan. Perencanaan lintasan adhedhasar fisika akurat nanging ora jelas, lan ngarepake pangguna kanggo ngapusi fungsi biaya matematika ora dadi wiwitan.
"Robot nggunakake math kanggo nindakake planning lintasan sing. Nanging kita ora bisa nyana konsumen sinau apa math iki supaya marang robot apa apa, "ujare Dennler. "Tinimbang kudu njaluk wong sinau carane nggunakake robot kanthi cara tartamtu, tujuane kanggo sesambungan karo robot liwat basa alam."
Sebagéyan gedhé riset robotika wis ngrajut basa dadi sinau robot - njlentrehake tujuan tugas, ngarahake lintasan, nemtokake dalan sing aman. Nanging MIT News nyathet yen metode sing ana nggunakake basa utamane kanggo ngandhani robot carane nindakake tugas kanthi fisik. Klompok Bobu meksa nindakake perkara ing tapel wates sing beda: ngekstrak preferensi dhasar sing ora ditemtokake saka sawetara prentah kasual.
"Omahe saben wong beda-beda, lan saben wong peduli babagan macem-macem, mula ora ana robot sing metu saka kothak ngerti apa sing penting kanggo sampeyan," ujare Bobu marang MIT News. "Apa excites kula bab FLEX iku bisa Pick munggah saka ukara utawa loro tinimbang takon sampeyan Nulis metu saben aturan - lan sing prabédan antarane robot wong sijine munggah karo lan siji padha bener pengin ing omahé."
Apa Sabanjure
Karya kasebut, kanthi rinci ing makalah "Fleksibel Language-Guided Representation Editing for Adaptive Robot Behavior," didhukung sebagian dening MIT Generative AI Impact Consortium lan program Tanggung Jawab Sosial lan Etika Komputasi MIT Schwarzman College of Computing.
Asil sing ditampilake nganti saiki yaiku simulasi, lan nerjemahake kinerja kasebut menyang hardware fisik - kanthi persepsi sing luwih rame, basa sing luwih rame lan akibat sing nyata - tetep dadi rintangan sabanjure. Nanging arahe jelas: nalika robot pindhah saka kandhang pabrik menyang pawon lan kantor, mesin sing sukses bisa uga ora mung ngerti apa sing kita ucapake, nanging apa sing kita maksud.
Artikel iki adhedhasar laporan dening Jennifer Chu, diterbitake dening MIT News tanggal 9 November 2026.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
