Bir robota "dizüstü bilgisayarıma kahve dökmeyin" dediğinizde günümüzün makineleri tam olarak bunu yapacaktır; daha fazlasını değil. Telefon dizüstü bilgisayarın yanında mı duruyor? Tablet masanın diğer tarafında mı şarj oluyor? Her birini telaffuz edene kadar robotun radarından uzak durun, sıkıcı düzeltmelerle düzeltin.
MIT ve New York Üniversitesi araştırmacılarının oluşturduğu yeni bir platform bu açığı kapatmayı amaçlıyor. MIT News'e göre FLEX adı verilen sistem, hareket planlayan robotların bir insanın açık talimatlarını takip etmesini sağlarken aynı zamanda onlardan performansı artıran daha geniş genellemeler çıkarmasını sağlıyor. Ekip, çalışmayı bu ay yıllık Robot Öğrenimi Konferansında (CoRL) sunacak. For more context on this story, see our ongoing artificial intelligence updates.
MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'nda (CSAIL) doktora sonrası araştırmacı ve çalışma yazarı Nathan Dennler, "LLM'ler internetten pek çok metin gördü" dedi. "İnsanlar şöyle yazabilirdi: 'Telefonum suya düştü ve şimdi çalışmıyor' veya 'Bilgisayarıma kahve döktüm ve şimdi çalışmıyor.' Dolayısıyla Yüksek Lisans'lar, sıvıların ve cihazların bazı şeylerin çalışmamasına yol açtığı fikrini benimsiyor."
Bir Uyarıdan Bütün Bir Kural Kitabına
MIT News tarafından açıklanan bir gösterim senaryosunda, bir kişi, robotik bir kolun darmadağın bir masanın üzerinden kahve fincanını taşımasını izliyor ve tek bir komut yazıyor: "Dizüstü bilgisayarın üzerine sıvı dökmeyin!" Geleneksel bir robot, dizüstü bilgisayarı kaçınma listesine ekler ve yolunu yeniden planlar. FLEX daha da ileri gidiyor; robot, dizüstü bilgisayarların neden önemli olduğunu açıklıyor ve yörüngesini, kullanıcının hiç bahsetmediği bir telefon da dahil olmak üzere yakındaki elektronik cihazlardan kaçınacak şekilde ayarlıyor.
Dennler, "Buradaki fikir, söylediğiniz sözlerin arkasında daha üst düzey bir niyetin olduğudur" dedi. "İnsanlar bunu doğal olarak anlıyor. Ancak bunu bir robota dikkatli bir şekilde açıklamanız gerekiyor; bu da zaman ve çaba gerektirir. FLEX size, 'İnsanlar bunu söylediğinde, bunu kastettiklerini' söyleyebilmeniz için bir robotla iletişim arayüzü sağlar."
Çalışma, MIT'de havacılık ve uzay bilimleri alanında yardımcı doçent olan ve İşbirliğine Dayalı Öğrenme ve Özerklik Araştırması (CLEAR) Laboratuvarı'na başkanlık eden Andreea Bobu tarafından yönetildi. Ortak yazarlar arasında SM'yi 2026'da MIT'de tamamlayan Audrey Lee ve New York Üniversitesi'nden Ilia Sucholutsky yer alıyor.
FLEX Nasıl Çalışır: Ekle, Genelleştir, Maskele
FLEX, yaklaşık beş saniyede çalışan üç adımlı bir işlem hattı olarak çalışır.
Adım 1: Ekle
Bir kullanıcı doğal dilde bir düzeltme yaptığında robot, ilgili özelliği, görev için önemli olan şeyler listesine ekler. Bir kişi "Bunu kupamın üstüne düşürme!" derse Robot bir bowling topu taşırken kupa kaçınma listesine katılıyor ve robot yörüngesini güncelliyor. Bu adım, önceki yöntemlerin her zaman nasıl çalıştığını yansıtıyor ve sorunların başladığı yer burası.
Dennler, MIT News'e şöyle konuştu: "Sorun, özellik listeniz çok uzun olduğunda ve ortamınız değişmiş olabileceği için bazı özellikler artık geçerli olmadığında ortaya çıkıyor." Her nesneden tek tek kaçınması söylenen bir robotun düzeltmesi ve planlaması yavaşlar ve numaralandırma yükü insana düşer.
Adım 2: Genelleştirin
Bu FLEX'in temel katkısıdır. Ekibin uygulamasındaki büyük bir dil modeli (GPT-4o), birikmiş özellik listesini inceler ve öğeler arasındaki kalıpları arar. Bir kupa ve kişinin işaretlediği diğer kırılgan nesnelerle karşı karşıya kalan LLM, genel bir sınıf çıkarır: kırılgan şeylerden, hatta hiç bahsedilmeyenlerden bile kaçının. Model, insan metninin geniş kütüphaneleri üzerinde eğitildiğinden, günlük sağduyunun çoğu önceden yüklenmiş olarak gelir.
Dennler, "LLM'ler internetten, her türden insan ve yerden gelen pek çok metin gördü" dedi. "Bu konularda çok fazla eğitim aldıkları için bu sağduyunun bir kısmı Yüksek Lisans'ta özümseniyor."
Adım 3: Maske
Gerçek ortamlar değişir ve eski kurallar kararsız davranışlara neden olur. FLEX'in üçüncü adımı, hangi işaretli nesnelerin artık mevcut olmadığını belirlemek için robotun standart bilgisayarlı görüş sistemini kullanır, ardından bu girişleri özellikler listesinden siler ve robotun kısıtlamalarını insan müdahalesi olmadan güncel tutar.
Kahve, Mum ve Bowling Topu Simülasyonlarında Test Edildi
Ekip FLEX'i üç görevi yerine getiren bir robot kolunun simülasyonlarında değerlendirdi: bir fincan kahve servis etmek, bir mumu hareket ettirmek ve bir bowling topu taşımak. Gönüllüler, "Dizüstü bilgisayarıma dökmeyin", "Kağıt yığınından uzak durun" ve "Bardağı düşürmeyin" gibi doğal dilde komutlar yazarak sanal robotla etkileşime girdiler.
Her üç senaryoda da robot her komutu kelimenin tam anlamıyla takip ederken aynı zamanda daha yüksek düzeyde mantık yürüttü; dizüstü bilgisayar hakkında uyarıldığında elektronik cihazlardan uzak durdu, mumu izlemesi söylendiğinde yanıcı nesnelerden kaçındı ve tek bir kupa uyarısından sonra tüm kırılgan eşyalara düşmemesi gereken bölgeler olarak davrandı.
Sağduyu Ev Robotları İçin Neden Darboğazdır?
Araştırma, tüketici robotiğindeki kalıcı bir engeli hedef alıyor: Hiç kimse evinizde neyin önemli olduğunu zaten bilen bir robot göndermiyor. Fiziğe dayalı yörünge planlaması kesin ancak şeffaf değildir ve kullanıcıların matematiksel maliyet fonksiyonlarını manipüle etmesini beklemek, başlangıç için uygun değildir.
Dennler, "Robotlar yörünge planlamalarını yapmak için matematiği kullanıyor. Ancak bir tüketicinin, bir robota ne yapması gerektiğini söylemek için bu matematiği öğrenmesini bekleyemeyiz" dedi. "İnsanların bir robotu belirli bir şekilde nasıl kullanacaklarını öğrenmelerini sağlamak yerine amaç, robotla doğal dil aracılığıyla etkileşime geçmektir."
Robotik araştırmalarının büyük bir bölümü halihazırda dili robot öğrenimine dahil ediyor; görev hedeflerini netleştiriyor, yörüngeleri yeniden yönlendiriyor, güvenli yolları tanımlıyor. Ancak MIT News, mevcut yöntemlerin dili esas olarak robota bir görevi fiziksel olarak nasıl gerçekleştireceğini anlatmak için kullandığını belirtiyor. Bobu'nun grubu farklı bir sınırı zorluyor: Bir kişinin temeldeki, belirtilmemiş tercihlerini bir avuç gündelik komuttan çıkarmak.
Bobu, MIT News'e şunları söyledi: "Herkesin evi farklıdır ve herkes farklı şeyleri önemser; dolayısıyla hiçbir robot, sizin için neyin önemli olduğunu bilerek kutudan çıkmaz." "FLEX konusunda beni heyecanlandıran şey, sizden her kuralı tek tek açıklamanızı istemek yerine bir veya iki cümleden bunu anlayabilmesidir - ve bu, insanların katlandığı bir robot ile evlerinde gerçekten olmasını istedikleri bir robot arasındaki farktır."
Sırada Ne Var?
"Uyarlanabilir Robot Davranışı için Esnek Dil Kılavuzlu Temsil Düzenleme" makalesinde ayrıntıları verilen çalışma, kısmen MIT Üretken Yapay Zeka Etkisi Konsorsiyumu ve MIT Schwarzman Bilgisayar Koleji'nin Bilgi İşlemin Sosyal ve Etik Sorumlulukları programı tarafından desteklendi.
Şu ana kadar gösterilen sonuçlar simülasyonlardır ve bu performansı, daha karmaşık bir algı, daha gürültülü bir dil ve gerçek sonuçlarla birlikte fiziksel donanıma dönüştürmek, alanın bir sonraki engeli olmaya devam etmektedir. Ancak yön açık: Robotlar fabrika kafeslerinden mutfaklara ve ofislere geçtikçe, başarılı olan makineler sadece söylediklerimizi değil, ne demek istediğimizi de anlayan makineler olabilir.
Bu makale, MIT News tarafından 9 Kasım 2026'da yayınlanan Jennifer Chu'nun raporuna dayanmaktadır.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
