Mwambie roboti "usimwage kahawa kwenye kompyuta yangu ndogo" na mashine za leo zitafanya hivyo hasa - na hakuna zaidi. Simu iliyokaa karibu na kompyuta ndogo? Kompyuta kibao inachaji upande wa pili wa meza? Ondoka kwenye rada ya roboti hadi utangaze kila moja, rekebisha kwa kusahihisha kwa kuchosha.
Jukwaa jipya kutoka kwa watafiti wa MIT na Chuo Kikuu cha New York linalenga kuziba pengo hilo. Mfumo huo, unaoitwa FLEX, huwezesha roboti za kupanga mwendo kufuata maagizo wazi ya mwanadamu huku pia ikichora maelezo mapana kutoka kwao ambayo yanaboresha utendaji, kulingana na Habari za MIT. Timu itawasilisha kazi hiyo katika Kongamano la kila mwaka la Mafunzo ya Roboti (CoRL) mwezi huu. For more context on this story, see our ongoing artificial intelligence updates.
"LLM wameona maandishi mengi kutoka kwa wavuti," Nathan Dennler, mwandishi wa posta katika Maabara ya Sayansi ya Kompyuta ya MIT na Maabara ya Usanii wa Usanii (CSAIL) na mwandishi wa masomo. "Watu wanaweza kuwa wameandika kuhusu, 'Oh, simu yangu ilianguka ndani ya maji na sasa haifanyi kazi,' au 'Nilimwaga kahawa kwenye kompyuta yangu na sasa haifanyi kazi.' Kwa hivyo LLM huchukua wazo kwamba vinywaji pamoja na vifaa husababisha mambo kutofanya kazi."
Kutoka Onyo Moja hadi Kitabu Kizima cha Kanuni
Katika hali moja ya onyesho iliyoelezewa na Habari za MIT, mtu hutazama mkono wa roboti ukibeba kikombe cha kahawa kwenye meza iliyojaa na kuandika amri moja: "Usimwage kwenye kompyuta ndogo!" Roboti ya kawaida inaweza kuongeza kompyuta ya mkononi kwenye orodha yake ya kuepuka na kupanga upya njia yake. FLEX inaenda mbali zaidi - roboti husababu kwa nini kompyuta ndogo ni muhimu na hurekebisha mwelekeo wake ili kuzuia vifaa vya elektroniki vilivyo karibu, pamoja na simu ambayo mtumiaji hajawahi kutaja.
"Wazo ni kwamba kuna nia ya kiwango cha juu nyuma ya maneno unayosema," Dennler alisema. "Kwa kawaida watu hupata hili. Lakini unapaswa kueleza kwa makini hilo kwa roboti, ambayo inachukua muda na juhudi. FLEX inakupa kiolesura cha mawasiliano na roboti kusema, 'Watu wanaposema hivi, wanamaanisha hivyo.'
Utafiti huo uliongozwa na Andreea Bobu, profesa msaidizi wa angani na unajimu huko MIT ambaye anaongoza Maabara ya Ushirikiano wa Kujifunza na Kujitegemea (CLEAR) Lab. Waandishi wenza ni pamoja na Audrey Lee, ambaye alimaliza SM yake huko MIT mnamo 2026, na Ilia Sucholutsky wa Chuo Kikuu cha New York.
Jinsi FLEX Inafanya kazi: Ongeza, Jaza, Mask
FLEX hufanya kazi kama bomba la hatua tatu linalofanya kazi kwa takriban sekunde tano.
Hatua ya 1: Ongeza
Mtumiaji anapotoa urekebishaji wa lugha asilia, roboti huongeza kipengele husika kwenye orodha yake inayoendesha ya mambo muhimu kwa kazi hiyo. Ikiwa mtu atasema "Usitupe kwenye kikombe changu!" wakati roboti hubeba mpira wa kupigia, kikombe hujiunga na orodha ya kuepuka na roboti husasisha trajectory yake. Hatua hii inaonyesha jinsi mbinu za awali zilivyofanya kazi kila mara - na ndipo shida yao huanza.
"Tatizo hutokea wakati orodha yako ya vipengele inakuwa ndefu sana, na vipengele vingine havifai tena kwa sababu mazingira yako yanaweza kuwa yamebadilika," Dennler aliiambia MIT News. Roboti iliyoambiwa kuepuka kila kitu kibinafsi inakuwa polepole kusahihisha na polepole kupanga, na mzigo wa kuhesabu unamwangukia mwanadamu.
Hatua ya 2: Jaza
Huu ndio mchango mkuu wa FLEX. Muundo mkubwa wa lugha - GPT-4o, katika utekelezaji wa timu - huchunguza orodha ya vipengele vilivyokusanywa na kutafuta ruwaza kati ya vipengee. Ikikabiliwa na kikombe pamoja na vitu vingine dhaifu ambavyo mtu amealamishwa, LLM inaelekeza darasa la jumla: epuka vitu dhaifu, hata vile ambavyo havijatajwa. Kwa sababu muundo uliofunzwa kwenye maktaba kubwa za maandishi ya binadamu, akili nyingi za kawaida za kila siku hufika zikiwa zimesakinishwa mapema.
"LLM wameona maandishi mengi kutoka kwa mtandao, kutoka kwa kila aina ya watu na maeneo," Dennler alisema. "Kwa sababu wamefunzwa sana juu ya mambo hayo, baadhi ya akili ya kawaida huingizwa kwenye LLM."
Hatua ya 3: Mask
Mazingira ya kweli hubadilika, na sheria za zamani husababisha tabia mbaya. Hatua ya tatu ya FLEX hutumia mfumo wa kawaida wa kuona wa kompyuta wa roboti ili kubainisha ni vitu gani vilivyoalamishwa havipo tena, kisha kufuta maingizo hayo kutoka kwa orodha ya vipengele - kuweka vikwazo vya roboti kuwa vya sasa bila kuingilia kati na binadamu.
Imejaribiwa katika Uigaji wa Kahawa, Mishumaa na Kubwaga
Timu ilitathmini FLEX katika uigaji wa mkono wa roboti unaofanya kazi tatu: kupeana kikombe cha kahawa, kusonga mshumaa, na kubeba mpira wa kupigia debe. Watu waliojitolea walishirikiana na roboti pepe kwa kuandika amri za lugha asilia kama vile "Usimwage kwenye kompyuta yangu ya mkononi," "Kaa mbali na lundo la karatasi," na "Usidondoshe kwenye kikombe."
Katika matukio yote matatu, roboti ilifuata kila amri kihalisi huku ikisababu kwa kiwango cha juu zaidi - ikiondoa vifaa vya elektroniki ilipoonywa kuhusu kompyuta ya mkononi, ikikwepa vitu vinavyoweza kuwaka inapoambiwa itazame mshumaa, na kutibu vitu vyote dhaifu kama sehemu za kutodondosha baada ya onyo la kikombe kimoja.
Kwa Nini Akili ya Kawaida Ndio Kikwazo cha Roboti za Nyumbani
Utafiti unalenga kikwazo kinachoendelea katika robotiki za watumiaji: hakuna mtu anayesafirisha roboti ambayo tayari inajua ni nini muhimu nyumbani kwako. Upangaji wa mwelekeo unaotegemea fizikia ni sahihi lakini haueleweki, na kutarajia watumiaji kudanganya utendakazi wa gharama za hisabati ni jambo lisilo la kuanzia.
"Roboti hutumia hesabu kufanya upangaji wao wa trajectory. Lakini hatuwezi kutarajia mtumiaji kujifunza kufanya hesabu hii ili kumwambia roboti nini cha kufanya," Dennler alisema. "Badala ya kuwafanya watu wajifunze jinsi ya kutumia roboti kwa njia maalum, lengo ni kuingiliana na roboti kupitia lugha asilia."
Mtindo mkubwa wa utafiti wa roboti tayari unaunganisha lugha katika ujifunzaji wa roboti - kufafanua malengo ya kazi, kuelekeza trajectories, kufafanua njia salama. Lakini Habari za MIT zinabainisha njia hizo zilizopo hutumia lugha hasa kumwambia roboti jinsi ya kufanya kazi kimwili. Kundi la Bobu linasukuma mipaka tofauti: kutoa mapendeleo ya msingi ya mtu, ambayo hayajabainishwa kutoka kwa amri chache za kawaida.
"Nyumba za kila mtu ni tofauti, na kila mtu anajali vitu tofauti, kwa hivyo hakuna roboti inayotoka kwenye boksi ikijua ni nini muhimu kwako," Bobu aliiambia MIT News. "Kinachonifurahisha kuhusu FLEX ni kwamba inaweza kuchukua hiyo kutoka kwa sentensi moja au mbili badala ya kukuuliza ueleze kila sheria - na hiyo ndiyo tofauti kati ya roboti ambayo watu huvumilia na ambayo wanataka nyumbani kwao."
Nini Kinafuata
Kazi hiyo, iliyoelezewa katika karatasi "Uhariri wa Uwakilishi Unaobadilika wa Lugha kwa Tabia ya Adaptive Robot," iliungwa mkono kwa sehemu na MIT Generative AI Impact Consortium na Chuo cha MIT Schwarzman cha Majukumu ya Kijamii na Maadili ya Programu ya Kompyuta.
Matokeo yaliyoonyeshwa kufikia sasa ni uigaji, na kutafsiri utendaji huo kwa maunzi halisi - kwa mtazamo mbaya zaidi, lugha ya kelele na matokeo halisi - inasalia kuwa kikwazo kinachofuata cha uga. Lakini mwelekeo uko wazi: roboti zinaposonga kutoka kwa vizimba vya kiwanda hadi jikoni na ofisi, mashine zinazofaulu zinaweza kuwa zile zinazoelewa sio tu kile tunachosema, lakini kile tunachomaanisha.
Nakala hii ni ya msingi wa kuripotiwa na Jennifer Chu, iliyochapishwa na Habari za MIT mnamo Novemba 9, 2026.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
