Säg till en robot "spill inte kaffe på min bärbara dator" så kommer dagens maskiner att göra precis det - och inget mer. Telefonen som sitter bredvid den bärbara datorn? Surfplattan laddas på andra sidan bordet? Stäng av robotens radar tills du stavar ut var och en, korrigering genom tråkig korrigering.

En ny plattform från forskare från MIT och New York University syftar till att överbrygga det gapet. Systemet, kallat FLEX, gör det möjligt för robotar för rörelseplanering att följa en människas explicita instruktioner samtidigt som de drar bredare generaliseringar från dem som förbättrar prestandan, enligt MIT News. Teamet kommer att presentera arbetet på den årliga konferensen om robotinlärning (CoRL) denna månad. For more context on this story, see our ongoing AI industry coverage.

"LLM har sett så många texter från internet", säger Nathan Dennler, postdoc vid MIT:s datavetenskap och artificiell intelligens Laboratory (CSAIL) och en studieförfattare. "Folk kanske har skrivit om "Åh, min telefon föll i vattnet och nu fungerar den inte" eller "Jag har spillt kaffe på min dator och nu fungerar det inte." Så LLMs tar upp idén att vätskor plus enheter leder till att saker inte fungerar."

Från en varning till en hel regelbok

I ett demonstrationsscenario som beskrivs av MIT News ser en person en robotarm bära en kaffekopp över ett rörigt bord och skriver ett enda kommando: "Spill inte på den bärbara datorn!" En konventionell robot skulle lägga till den bärbara datorn till sin undvikandelista och planera om sin väg. FLEX går längre — roboten resonerar om varför bärbara datorer är viktiga och justerar dess bana för att undvika närliggande elektronik, inklusive en telefon som användaren aldrig nämnde.

"Tanken är att det finns en avsikt på högre nivå bakom orden du säger," sa Dennler. "Människor förstår naturligtvis detta. Men du måste noggrant förklara det för en robot, vilket tar tid och ansträngning. FLEX ger dig ett kommunikationsgränssnitt med en robot för att säga: 'När folk säger det här, menar de det'."

Studien leddes av Andreea Bobu, biträdande professor i flygteknik och astronautik vid MIT som leder Collaborative Learning and Autonomy Research (CLEAR) Lab. Medförfattare inkluderar Audrey Lee, som avslutade sin SM vid MIT 2026, och Ilia Sucholutsky från New York University.

Hur FLEX fungerar: Lägg till, generalisera, maskera

FLEX fungerar som en trestegspipeline som går på ungefär fem sekunder.

Steg 1: Lägg till

När en användare utfärdar en korrigering på naturligt språk lägger roboten till den relevanta funktionen till sin lista över saker som är viktiga för uppgiften. Om en person säger "Släpp det inte på min mugg!" medan roboten bär ett bowlingklot, ansluter muggen till undvikandelistan och roboten uppdaterar sin bana. Det här steget återspeglar hur tidigare metoder alltid har fungerat - och det är där deras problem börjar.

"Problemet uppstår när din funktionslista blir superlång, och vissa funktioner inte längre är relevanta eftersom din miljö kan ha förändrats", sa Dennler till MIT News. En robot som uppmanas att undvika varje objekt individuellt blir långsammare att korrigera och långsammare att planera, och bördan av uppräkning faller på människan.

Steg 2: Generalisera

Detta är FLEX kärnbidrag. En stor språkmodell — GPT-4o, i teamets implementering — undersöker den ackumulerade funktionslistan och söker efter mönster bland objekten. Inför en mugg plus andra ömtåliga föremål som personen har flaggat, drar LLM slutsatsen en allmän klass: undvik ömtåliga saker, även sådana som aldrig nämnts. Eftersom modellen tränade på stora bibliotek av mänsklig text, kommer mycket av vardagens sunt förnuft förinstallerat.

"LLMs har sett så många texter från internet, från alla möjliga människor och platser," sa Dennler. "Eftersom de har tränat så mycket på dessa saker, absorberas en del av det sunda förnuftet i LLM."

Steg 3: Mask

Verkliga miljöer förändras och inaktuella regler orsakar oregelbundet beteende. FLEX tredje steg använder robotens vanliga datorseendesystem för att avgöra vilka flaggade objekt som inte längre finns, och raderar sedan dessa poster från funktionslistan – och håller robotens begränsningar aktuella utan mänsklig inblandning.

Testad i kaffe-, ljus- och bowlingklotsimuleringar

Teamet utvärderade FLEX i simuleringar av en robotarm som utförde tre uppgifter: servera en kopp kaffe, flytta ett ljus och bära ett bowlingklot. Volontärer interagerade med den virtuella roboten genom att skriva kommandon på naturliga språk som "Spill inte på min bärbara dator", "Håll dig borta från pappersbunten" och "Tapp inte på muggen."

I alla tre scenarierna följde roboten varje kommando bokstavligen samtidigt som den resonerade på en högre nivå - undvika elektronik när den varnas för den bärbara datorn, undvika brandfarliga föremål när de uppmanades att titta på ljuset och behandla alla ömtåliga föremål som släppfria zoner efter en enda muggvarning.

Varför sunt förnuft är flaskhalsen för hemmarobotar

Forskningen riktar sig mot ett ihållande hinder inom konsumentrobotik: ingen skickar en robot som redan vet vad som är viktigt i ditt hem. Fysikbaserad banplanering är exakt men ogenomskinlig, och att förvänta sig att användare ska manipulera matematiska kostnadsfunktioner är en icke-startare.

"Roboter använder matematik för att göra sin banaplanering. Men vi kan inte förvänta oss att en konsument ska lära sig att göra den här matematiken för att tala om för en robot vad den ska göra," sa Dennler. "Istället för att behöva få folk att lära sig hur man använder en robot på ett specifikt sätt, är målet att interagera med roboten genom naturligt språk."

En stor del av robotforskning väver redan in språk i robotinlärning – förtydligar uppgiftens mål, omdirigerar banor, definierar säkra vägar. Men MIT News noterar att de befintliga metoderna använder språk främst för att berätta för roboten hur den fysiskt ska utföra en uppgift. Bobus grupp driver på en annan gräns: extraherar en persons underliggande, ospecificerade preferenser från en handfull tillfälliga kommandon.

"Allas hem är olika, och alla bryr sig om olika saker, så ingen robot kommer ut ur lådan och vet vad som är viktigt för dig", sa Bobu till MIT News. "Vad som gör mig upphetsad med FLEX är att den kan plocka upp det från en mening eller två istället för att be dig att skriva ut varje regel - och det är skillnaden mellan en robot som folk står ut med och en de faktiskt vill ha i sitt hem."

Vad kommer härnäst

Arbetet, som beskrivs i uppsatsen "Flexible Language-Guided Representation Editing for Adaptive Robot Behavior," stöddes delvis av MIT Generative AI Impact Consortium och MIT Schwarzman College of Computings program för sociala och etiska ansvarsområden.

Resultaten som visats hittills är simuleringar, och att översätta den prestandan till fysisk hårdvara – med stökigare uppfattning, bullrigare språk och verkliga konsekvenser – är fortfarande fältets nästa hinder. Men riktningen är tydlig: när robotar flyttar från fabriksburar till kök och kontor, kan maskinerna som lyckas vara de som förstår inte bara vad vi säger, utan vad vi menar.

Denna artikel är baserad på rapportering av Jennifer Chu, publicerad av MIT News den 9 november 2026.

---

Stay Ahead of AI

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

Read more AI news →