Beritahu robot "jangan tumpahkan kopi pada komputer riba saya" dan mesin hari ini akan melakukan perkara itu — dan tidak lebih. Telefon yang terletak di sebelah komputer riba? Tablet mengecas di bahagian lain meja? Matikan radar robot sehingga anda mengeja setiap satu, pembetulan dengan pembetulan yang membosankan.
Platform baharu daripada penyelidik MIT dan Universiti New York bertujuan untuk merapatkan jurang itu. Sistem itu, yang dipanggil FLEX, membolehkan robot perancangan gerakan mengikuti arahan eksplisit manusia sambil juga menarik generalisasi yang lebih luas daripada mereka yang meningkatkan prestasi, menurut MIT News. Pasukan itu akan membentangkan kerja pada Persidangan tahunan mengenai Pembelajaran Robot (CoRL) bulan ini. For more context on this story, see our ongoing AI trends.
"LLM telah melihat begitu banyak teks dari internet, " kata Nathan Dennler, postdoc di Makmal Sains Komputer dan Kepintaran Buatan (CSAIL) MIT dan penulis kajian. "Orang mungkin telah menulis tentang, 'Oh, telefon saya jatuh ke dalam air dan sekarang ia tidak berfungsi,' atau 'Saya menumpahkan kopi pada komputer saya dan kini ia tidak berfungsi.' Jadi LLM mengambil idea bahawa cecair ditambah peranti membawa kepada perkara yang tidak berfungsi."
Daripada Satu Amaran kepada Buku Peraturan Keseluruhan
Dalam satu senario demonstrasi yang diterangkan oleh MIT News, seseorang melihat lengan robot membawa cawan kopi di atas meja bersepah dan menaip satu arahan: "Jangan tumpah pada komputer riba!" Robot konvensional akan menambahkan komputer riba ke senarai pengelakan dan merancang semula laluannya. FLEX pergi lebih jauh — sebab robot tentang mengapa komputer riba penting dan melaraskan trajektorinya untuk mengelakkan elektronik berdekatan, termasuk telefon yang tidak pernah disebut oleh pengguna.
"Ideanya ialah terdapat beberapa niat peringkat tinggi di sebalik kata-kata yang anda katakan," kata Dennler. "Orang ramai secara semula jadi mendapat ini. Tetapi anda perlu menjelaskannya dengan teliti kepada robot, yang memerlukan masa dan usaha. FLEX memberi anda antara muka komunikasi dengan robot untuk berkata, 'Apabila orang berkata ini, mereka bermaksud begitu.'"
Kajian itu diketuai oleh Andreea Bobu, penolong profesor aeronautik dan angkasawan di MIT yang mengetuai Makmal Penyelidikan Pembelajaran dan Autonomi Kolaboratif (CLEAR). Pengarang bersama termasuk Audrey Lee, yang menamatkan SMnya di MIT pada 2026, dan Ilia Sucholutsky dari Universiti New York.
Cara FLEX Berfungsi: Tambah, Umumkan, Topeng
FLEX beroperasi sebagai saluran paip tiga langkah yang berjalan dalam kira-kira lima saat.
Langkah 1: Tambah
Apabila pengguna mengeluarkan pembetulan bahasa semula jadi, robot menambah ciri yang berkaitan pada senarai berjalannya perkara yang penting untuk tugas itu. Jika seseorang berkata "Jangan jatuhkan pada cawan saya!" semasa robot membawa bola boling, mug menyertai senarai pengelakan dan robot mengemas kini trajektorinya. Langkah ini mencerminkan cara kaedah sebelumnya sentiasa berfungsi — dan di situlah masalah mereka bermula.
"Masalah berlaku apabila senarai ciri anda menjadi sangat panjang, dan beberapa ciri tidak lagi relevan kerana persekitaran anda mungkin telah berubah," kata Dennler kepada MIT News. Robot yang diberitahu untuk mengelakkan setiap objek secara individu menjadi lebih perlahan untuk membetulkan dan lebih perlahan untuk merancang, dan beban penghitungan jatuh ke atas manusia.
Langkah 2: Umumkan
Ini adalah sumbangan teras FLEX. Model bahasa yang besar — GPT-4o, dalam pelaksanaan pasukan — meneliti senarai ciri terkumpul dan mencari corak antara item. Berhadapan dengan cawan serta objek rapuh lain yang telah dibenderakan oleh orang itu, LLM menyimpulkan kelas umum: elakkan perkara rapuh, walaupun perkara yang tidak pernah disebut. Oleh kerana model itu dilatih pada perpustakaan teks manusia yang luas, kebanyakan akal sehat setiap hari tiba di prapasang.
"LLM telah melihat begitu banyak teks dari internet, dari semua jenis orang dan tempat," kata Dennler. "Oleh kerana mereka telah melatih begitu banyak perkara itu, sebahagian daripada akal sehat itu diserap ke dalam LLM."
Langkah 3: Topeng
Persekitaran sebenar berubah, dan peraturan lapuk menyebabkan tingkah laku tidak menentu. Langkah ketiga FLEX menggunakan sistem penglihatan komputer standard robot untuk menentukan objek yang dibenderakan tidak lagi hadir, kemudian memadamkan entri tersebut daripada senarai ciri — mengekalkan kekangan robot semasa tanpa campur tangan manusia.
Diuji dalam Simulasi Kopi, Lilin dan Bola Boling
Pasukan itu menilai FLEX dalam simulasi lengan robot yang melakukan tiga tugas: menghidangkan secawan kopi, menggerakkan lilin dan membawa bola boling. Sukarelawan berinteraksi dengan robot maya dengan menaip arahan bahasa semula jadi seperti "Jangan tumpah pada komputer riba saya," "Jauhkan daripada timbunan kertas" dan "Jangan jatuhkan pada mug."
Dalam ketiga-tiga senario, robot mengikut setiap arahan secara literal sambil turut membuat alasan pada tahap yang lebih tinggi — mengelak daripada elektronik apabila diberi amaran tentang komputer riba, mengelakkan objek mudah terbakar apabila diberitahu untuk menonton lilin, dan menganggap semua item rapuh sebagai zon tidak boleh jatuh selepas satu amaran cawan.
Mengapa Common Sense Menjadi Bottleneck untuk Robot Rumah
Penyelidikan menyasarkan halangan berterusan dalam robotik pengguna: tiada siapa yang menghantar robot yang sudah mengetahui perkara yang penting di rumah anda. Perancangan trajektori berasaskan fizik adalah tepat tetapi legap, dan mengharapkan pengguna untuk memanipulasi fungsi kos matematik adalah bukan permulaan.
"Robot menggunakan matematik untuk melakukan perancangan trajektori mereka. Tetapi kami tidak boleh mengharapkan pengguna belajar melakukan matematik ini untuk memberitahu robot apa yang perlu dilakukan, " kata Dennler. "Daripada perlu membuat orang ramai belajar cara menggunakan robot dengan cara tertentu, matlamatnya adalah untuk berinteraksi dengan robot melalui bahasa semula jadi."
Sebilangan besar penyelidikan robotik sudah menjalin bahasa ke dalam pembelajaran robot — menjelaskan matlamat tugasan, mengubah hala trajektori, menentukan laluan selamat. Tetapi MIT News menyatakan bahawa kaedah sedia ada menggunakan bahasa terutamanya untuk memberitahu robot cara melaksanakan tugas secara fizikal. Kumpulan Bobu menolak sempadan yang berbeza: mengekstrak keutamaan asas seseorang yang tidak ditentukan daripada segelintir arahan kasual.
"Kediaman setiap orang adalah berbeza, dan setiap orang mengambil berat tentang perkara yang berbeza, jadi tiada robot yang keluar dari kotak mengetahui perkara yang penting kepada anda," kata Bobu kepada MIT News. "Apa yang menggembirakan saya tentang FLEX ialah ia boleh mengambilnya daripada satu atau dua ayat dan bukannya meminta anda untuk mengeja setiap peraturan - dan itulah perbezaan antara robot yang digunakan oleh orang dan yang sebenarnya mereka mahukan di rumah mereka."
Apa Yang Akan Datang
Kerja yang diperincikan dalam kertas kerja "Penyuntingan Perwakilan Berpandukan Bahasa Fleksibel untuk Tingkah Laku Robot Adaptif," disokong sebahagiannya oleh Konsortium Impak AI Generatif MIT dan program Tanggungjawab Sosial dan Etika Pengkomputeran Kolej MIT Schwarzman.
Keputusan yang ditunjukkan setakat ini ialah simulasi, dan menterjemah prestasi itu kepada perkakasan fizikal — dengan persepsi yang lebih kucar-kacir, bahasa yang lebih bising dan akibat sebenar — kekal sebagai halangan seterusnya. Tetapi hala tujunya jelas: apabila robot bergerak dari sangkar kilang ke dapur dan pejabat, mesin yang berjaya mungkin adalah yang memahami bukan sahaja apa yang kita katakan, tetapi apa yang kita maksudkan.
Artikel ini berdasarkan laporan oleh Jennifer Chu, 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 →
