Скажите роботу: «Не проливай кофе на мой ноутбук», и современные машины сделают именно это — и ничего больше. Телефон лежит рядом с ноутбуком? Планшет заряжается на другой стороне стола? Вне поля зрения робота, пока вы не объясните каждое из них, исправление за утомительным исправлением.
Новая платформа от исследователей Массачусетского технологического института и Нью-Йоркского университета призвана восполнить этот пробел. По данным MIT News, система под названием FLEX позволяет роботам, планирующим движение, следовать четким инструкциям человека, а также делать из них более широкие обобщения, которые улучшают производительность. Команда представит свою работу на ежегодной конференции по обучению роботов (CoRL) в этом месяце. Подробнее об этой истории — в нашем новости об ИИ.
«Мастера права видели очень много текстов из Интернета», — сказал Натан Деннлер, постдок Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) и автор исследования. «Люди могли бы написать: «О, мой телефон упал в воду, и теперь он не работает» или «Я пролил кофе на свой компьютер, и теперь он не работает». Таким образом, студенты магистратуры понимают идею о том, что жидкости в сочетании с устройствами приводят к тому, что вещи не работают».
От одного предупреждения к целому своду правил
В одном демонстрационном сценарии, описанном MIT News, человек наблюдает, как роботизированная рука несет чашку кофе через захламленный стол, и вводит единственную команду: «Не проливай жидкость на ноутбук!» Обычный робот добавил бы ноутбук в свой список избегания и изменил бы свой маршрут. FLEX идет еще дальше: робот рассуждает о том, почему ноутбуки так важны, и корректирует свою траекторию, чтобы избежать нахождения рядом с электроникой, включая телефон, о котором пользователь никогда не упоминал.
«Идея состоит в том, что за словами, которые вы говорите, стоит какое-то намерение более высокого уровня», — сказал Деннлер. «Люди естественным образом это понимают. Но вам придется тщательно объяснять это роботу, а это требует времени и усилий. FLEX предоставляет вам интерфейс общения с роботом, позволяющий сказать: «Когда люди говорят это, они имеют в виду то».
Исследование возглавила Андреа Бобу, доцент кафедры аэронавтики и астронавтики Массачусетского технологического института, возглавляющая лабораторию исследований совместного обучения и автономии (CLEAR). В число соавторов входят Одри Ли, получившая степень SM в Массачусетском технологическом институте в 2026 году, и Илья Сухолуцкий из Нью-Йоркского университета.
Как работает FLEX: добавление, обобщение, маска
FLEX работает как трехэтапный конвейер, который выполняется примерно за пять секунд.
Шаг 1. Добавьте
Когда пользователь вносит исправление на естественном языке, робот добавляет соответствующую функцию в свой текущий список вещей, которые имеют значение для задачи. Если человек говорит: «Не роняй это мне на кружку!» пока робот несет шар для боулинга, кружка присоединяется к списку уклонений, и робот обновляет свою траекторию. Этот шаг отражает то, как предыдущие методы всегда работали — и именно здесь начинаются их проблемы.
«Проблема возникает, когда ваш список функций становится очень длинным, а некоторые функции перестают быть актуальными, потому что ваша среда могла измениться», — сказал Деннлер MIT News. Робот, которому приказано избегать каждого объекта по отдельности, становится медленнее корректировать и медленнее планировать, и бремя перечисления ложится на человека.
Шаг 2: Обобщение
Это основной вклад FLEX. Большая языковая модель — GPT-4o в реализации команды — анализирует накопленный список функций и ищет закономерности среди элементов. Столкнувшись с кружкой и другими хрупкими предметами, которые человек отметил, LLM делает общий вывод: избегайте хрупких вещей, даже тех, о которых никогда не упоминалось. Поскольку модель обучена на обширных библиотеках человеческого текста, большая часть повседневного здравого смысла предустановлена.
«Мастера права видели очень много текстов из Интернета от самых разных людей и мест», — сказал Деннлер. «Поскольку они так много обучались этим вещам, часть здравого смысла впитывается в LLM».
Шаг 3: Маска
Реальная среда меняется, а устаревшие правила вызывают беспорядочное поведение. На третьем этапе FLEX использует стандартную систему компьютерного зрения робота, чтобы определить, какие помеченные объекты больше не присутствуют, а затем удаляет эти записи из списка функций, сохраняя текущие ограничения робота без вмешательства человека.
Протестировано на моделировании кофе, свечи и шара для боулинга
Команда оценила FLEX в моделировании роботизированной руки, выполняющей три задачи: подача чашки кофе, перемещение свечи и перенос шара для боулинга. Добровольцы взаимодействовали с виртуальным роботом, вводя команды на естественном языке, такие как «Не проливайте жидкость на мой ноутбук», «Держитесь подальше от стопки бумаги» и «Не капайте на кружку».
Во всех трех сценариях робот буквально следовал каждой команде, а также рассуждал на более высоком уровне: держался подальше от электроники, когда его предупреждали о ноутбуке, избегал легковоспламеняющихся предметов, когда ему приказывали следить за свечой, и рассматривал все хрупкие предметы как зоны, запрещенные для падения после одного предупреждения о кружке.
Почему здравый смысл является узким местом для домашних роботов
Исследование нацелено на постоянное препятствие в потребительской робототехнике: никто не выпускает робота, который уже знает, что важно в вашем доме. Планирование траектории на основе физики является точным, но непрозрачным, и ожидать, что пользователи будут манипулировать математическими функциями стоимости, не стоит.
«Роботы используют математику для планирования своей траектории. Но мы не можем ожидать, что потребитель научится выполнять эту математику, чтобы говорить роботу, что делать», — сказал Деннлер. «Вместо того, чтобы заставить людей научиться использовать робота определенным образом, цель состоит в том, чтобы взаимодействовать с роботом посредством естественного языка».
Большое направление исследований в области робототехники уже вплетает язык в обучение роботов — уточняя цели задач, перенаправляя траектории, определяя безопасные пути. Но MIT News отмечает, что существующие методы используют язык главным образом для того, чтобы сообщить роботу, как физически выполнить задачу. Группа Бобу выходит на новый уровень: извлекает скрытые, неопределенные предпочтения человека из нескольких случайных команд.
«Дома у всех разные, и всех заботят разные вещи, поэтому ни один робот не выйдет из коробки, зная, что для вас важно», — сказал Бобу MIT News. «Что меня волнует в FLEX, так это то, что он может уловить это из одного или двух предложений, вместо того, чтобы просить вас изложить каждое правило — и в этом разница между роботом, с которым люди мирятся, и тем, которого они действительно хотят видеть у себя дома».
Что будет дальше
Работа, подробно описанная в статье «Гибкое языковое редактирование представлений для адаптивного поведения роботов», была частично поддержана Консорциумом MIT Generative AI Impact Consortium и программой «Социальные и этические обязанности вычислений» Шварцмановского колледжа MIT.
Результаты, показанные на данный момент, представляют собой моделирование, и перенос этой производительности на физическое оборудование — с более запутанным восприятием, более шумным языком и реальными последствиями — остается следующим препятствием в этой области. Но направление ясно: по мере того, как роботы перемещаются из заводских клеток на кухни и офисы, добьются успеха те машины, которые понимают не только то, что мы говорим, но и то, что мы имеем в виду.
Эта статья основана на репортаже Дженнифер Чу, опубликованном MIT News 9 ноября 2026 г.---
Будьте в курсе ИИПоследние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.
Читать больше новостей об ИИ →
