Spune-i unui robot „nu vărsa cafeaua pe laptopul meu” și aparatele de astăzi vor face exact asta – și nimic mai mult. Telefonul stă lângă laptop? Tableta se încarcă de cealaltă parte a mesei? Îndepărtați de radarul robotului până când le scrieți pe fiecare, corectare prin corecție plictisitoare.

O nouă platformă de la MIT și cercetătorii de la Universitatea din New York își propune să reducă acest decalaj. Sistemul, numit FLEX, le permite roboților de planificare a mișcării să urmeze instrucțiunile explicite ale unui om în timp ce extrag din ele generalizări mai ample care îmbunătățesc performanța, potrivit MIT News. Echipa va prezenta lucrările la Conferința anuală privind învățarea roboților (CoRL) luna aceasta. For more context on this story, see our ongoing AI news.

„LLM au văzut atât de multe texte de pe internet”, a spus Nathan Dennler, un post-doctorat în Laboratorul de Informatică și Inteligență Artificială (CSAIL) al MIT și autor al studiului. „Oamenii ar fi scris despre: „Oh, telefonul meu a căzut în apă și acum nu funcționează” sau „Am vărsat cafea pe computer și acum nu mai funcționează”. Așadar, LLM-urile încep ideea că lichidele plus dispozitivele duc la ca lucrurile să nu funcționeze.”

De la un avertisment la un întreg manual de reguli

Într-un scenariu demonstrativ descris de MIT News, o persoană privește un braț robot care transportă o ceașcă de cafea pe o masă aglomerată și tastează o singură comandă: „Nu vărsați pe laptop!” Un robot convențional ar adăuga laptopul la lista de evitare și ar replanifica calea acestuia. FLEX merge mai departe – robotul motivează de ce laptopurile contează și își ajustează traiectoria pentru a evita electronicele din apropiere, inclusiv un telefon despre care utilizatorul nu l-a menționat niciodată.

„Ideea este că există o intenție de nivel mai înalt în spatele cuvintelor pe care le spui”, a spus Dennler. „Oamenii înțeleg acest lucru în mod natural. Dar trebuie să îi explici cu atenție unui robot, ceea ce necesită timp și efort. FLEX vă oferă o interfață de comunicare cu un robot pentru a spune: „Când oamenii spun asta, vor spune asta”.

Studiul a fost condus de Andreea Bobu, profesor asistent de aeronautică și astronautică la MIT, care conduce Laboratorul CLEAR (Colaborative Learning and Autonomy Research). Printre coautorii se numără Audrey Lee, care și-a absolvit SM la MIT în 2026, și Ilia Sucholutsky de la Universitatea din New York.

Cum funcționează FLEX: Adaugă, Generalizează, Mască

FLEX funcționează ca o conductă în trei pași care rulează în aproximativ cinci secunde.

Pasul 1: Adăugați

Când un utilizator emite o corecție a limbajului natural, robotul adaugă caracteristica relevantă la lista de lucruri care contează pentru sarcină. Dacă o persoană spune „Nu-l arunca pe cana mea!” în timp ce robotul poartă o minge de bowling, cana se alătură listei de evitare și robotul își actualizează traiectoria. Acest pas reflectă modul în care metodele anterioare au funcționat întotdeauna - și de aici încep problemele lor.

„Problema apare atunci când lista ta de caracteristici devine super lungă, iar unele caracteristici nu mai sunt relevante, deoarece mediul tău s-ar putea să se fi schimbat”, a spus Dennler pentru MIT News. Un robot căruia i se spune să evite fiecare obiect individual devine mai lent de corectat și mai lent de planificat, iar povara enumerarii cade asupra omului.

Pasul 2: Generalizează

Aceasta este contribuția de bază a FLEX. Un model de limbaj mare - GPT-4o, în implementarea echipei - examinează lista de caracteristici acumulate și caută modele printre elemente. Confruntat cu o cană plus alte obiecte fragile pe care persoana le-a semnalat, LLM deduce o clasă generală: evitați lucrurile fragile, chiar și cele niciodată menționate. Deoarece modelul instruit pe biblioteci vaste de text uman, o mare parte din bunul simț cotidian ajunge preinstalat.

„LLM au văzut atât de multe texte de pe internet, de la tot felul de oameni și locuri”, a spus Dennler. „Pentru că s-au antrenat atât de mult în aceste lucruri, o parte din acel bun simț este absorbit de LLM”.

Pasul 3: Mască

Mediile reale se schimbă, iar regulile învechite provoacă un comportament neregulat. Al treilea pas al FLEX folosește sistemul standard de viziune computerizată al robotului pentru a determina care obiecte marcate nu mai sunt prezente, apoi șterge acele intrări din lista de caracteristici - păstrând actuale constrângerile robotului fără intervenția umană.

Testat în simulări de cafea, lumânări și mingi de bowling

Echipa a evaluat FLEX în simulări ale unui braț robot care îndeplinește trei sarcini: servește o ceașcă de cafea, mișcă o lumânare și transportă o minge de bowling. Voluntarii au interacționat cu robotul virtual tastând comenzi în limbaj natural precum „Nu vărsați pe laptopul meu”, „Stați departe de teancul de hârtie” și „Nu scăpați pe cană”.

În toate cele trei scenarii, robotul a urmat fiecare comandă în mod literal, în timp ce a raționat și la un nivel mai înalt - ferindu-se de electronice atunci când a fost avertizat despre laptop, evitând obiectele inflamabile atunci când i se spune să privească lumânarea și tratând toate obiectele fragile ca zone fără cădere după un singur avertisment de cană.

De ce bunul simț este gâtul de sticlă pentru roboții de acasă

Cercetarea vizează un obstacol persistent în robotica de consum: nimeni nu trimite un robot care știe deja ce contează în casa ta. Planificarea traiectoriei bazată pe fizică este precisă, dar opaca, iar așteptarea utilizatorilor să manipuleze funcțiile de cost matematice este un neîncepător.

„Roboții folosesc matematica pentru a-și planifica traiectoria. Dar nu ne putem aștepta ca un consumator să învețe să facă această matematică pentru a-i spune unui robot ce să facă”, a spus Dennler. „În loc de a-i determina pe oameni să învețe cum să folosească un robot într-un mod specific, scopul este să interacționeze cu robotul prin limbaj natural.”

O serie mare de cercetări în domeniul roboticii împletește deja limbajul în învățarea roboților – clarificând obiectivele sarcinilor, redirecționând traiectorii, definind căi sigure. Dar MIT News notează că acele metode existente folosesc limbajul în principal pentru a spune robotului cum să îndeplinească fizic o sarcină. Grupul lui Bobu împinge pe o altă frontieră: extragerea preferințelor nespecificate ale unei persoane dintr-o mână de comenzi ocazionale.

„Caminele fiecăruia sunt diferite și fiecăruia îi pasă de lucruri diferite, așa că niciun robot nu iese din cutie știind ce contează pentru tine”, a spus Bobu pentru MIT News. „Ceea ce mă încântă la FLEX este că poate prelua asta dintr-o propoziție sau două în loc să-ți ceară să descrii fiecare regulă – și asta este diferența dintre un robot pe care oamenii îl suportă și unul pe care îl doresc cu adevărat în casa lor.”

Ce urmează

Lucrarea, detaliată în lucrarea „Flexible Language-Guided Representation Editing for Adaptive Robot Behavior”, a fost susținută parțial de MIT Generative AI Impact Consortium și de programul Social and Ethical Responsibilities of Computing al MIT Schwarzman College of Computing.

Rezultatele prezentate până acum sunt simulări, iar transpunerea acelei performanțe în hardware fizic - cu o percepție mai dezordonată, un limbaj mai zgomotos și consecințe reale - rămâne următorul obstacol în domeniu. Dar direcția este clară: pe măsură ce roboții trec din cuștile fabricii în bucătării și birouri, mașinile care reușesc pot fi cele care înțeleg nu doar ceea ce spunem, ci și ceea ce ne referim.

Acest articol se bazează pe rapoartele lui Jennifer Chu, publicate de MIT News pe 9 noiembrie 2026.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →