告诉机器人“不要把咖啡洒在我的笔记本电脑上”，今天的机器就会做到这一点——仅此而已。手机放在笔记本电脑旁边？平板电脑在桌子的另一边充电吗？远离机器人的雷达，直到你拼出每一个，通过繁琐的纠正来纠正。

麻省理工学院和纽约大学研究人员的一个新平台旨在缩小这一差距。据麻省理工学院新闻报道，该系统称为 FLEX，使运动规划机器人能够遵循人类的明确指令，同时还可以从中得出更广泛的概括，从而提高性能。该团队将在本月的机器人学习年度会议（CoRL）上展示这项工作。 更多相关背景，请参阅我们的人工智能资讯。

“法学硕士在互联网上看到了很多文本，”麻省理工学院计算机科学和人工智能实验室 (CSAIL) 的博士后兼研究作者内森·丹勒 (Nathan Dennler) 说。 “人们可能会写到，‘哦，我的手机掉进水里了，现在它无法工作了’，或者‘我把咖啡洒在了电脑上，现在它无法工作了。’”因此，法学硕士们认识到液体加上设备会导致事情不起作用。”

从一个警告到一整本规则手册

在麻省理工学院新闻描述的一个演示场景中，一个人看着机械臂拿着一个咖啡杯穿过杂乱的桌子，然后输入一个命令：“不要洒在笔记本电脑上！”传统的机器人会将笔记本电脑添加到其回避列表中并重新规划其路径。 FLEX 更进一步——机器人会解释笔记本电脑的重要性，并调整其轨迹以避开附近的电子产品，包括用户从未提到过的手机。

“我们的想法是，你所说的话背后有一些更高层次的意图，”丹勒说。 “人们自然会明白这一点。但你必须仔细向机器人解释这一点，这需要时间和精力。FLEX 为你提供了一个与机器人沟通的界面，让你说，‘当人们这么说时，他们就是那个意思。’”

这项研究由麻省理工学院航空航天助理教授 Andreea Bobu 领导，她也是协作学习和自主研究 (CLEAR) 实验室的负责人。共同作者包括 2026 年在麻省理工学院完成 SM 硕士学位的 Audrey Lee 和纽约大学的 Ilia Sucholutsky。

FLEX 的工作原理：添加、概括、屏蔽

FLEX 作为一个三步管道运行，运行时间大约为五秒。

第 1 步：添加

当用户发出自然语言更正时，机器人会将相关功能添加到与任务相关的事物的运行列表中。如果一个人说“别把它掉到我的杯子上！”当机器人携带保龄球时，杯子加入回避列表，机器人更新其轨迹。这一步反映了以前的方法是如何一直有效的——这也是他们的麻烦开始的地方。

“当你的功能列表变得超长，并且某些功能不再相关，因为你的环境可能已经改变时，就会出现问题，”丹勒告诉麻省理工学院新闻。机器人被告知要单独避开每个物体，纠正和计划的速度就会变慢，而枚举的负担就落在了人类身上。

第 2 步：概括

这是FLEX的核心贡献。团队实施中的大型语言模型——GPT-4o——检查累积的特征列表并搜索项目之间的模式。面对一个杯子以及该人标记的其他易碎物品，法学硕士推断出一个一般类别：避免易碎物品，即使是那些从未提及的物品。由于该模型是在庞大的人类文本库上进行训练的，因此许多日常常识都是预先安装的。

“法学硕士在互联网上看到了很多来自各种人和地方的文本，”丹勒说。 “因为他们在这些方面接受了很多培训，所以一些常识被吸收到了法学硕士课程中。”

第 3 步：面膜

真实环境会发生变化，陈旧的规则会导致不稳定的行为。 FLEX 的第三步使用机器人的标准计算机视觉系统来确定哪些标记的对象不再存在，然后从功能列表中删除这些条目 - 使机器人的约束保持最新状态，无需人工干预。

在咖啡、蜡烛和保龄球模拟中进行测试

该团队通过模拟机器人手臂执行三项任务来评估 FLEX：提供一杯咖啡、移动蜡烛和携带保龄球。志愿者通过输入自然语言命令与虚拟机器人进行交互，例如“不要洒在我的笔记本电脑上”、“远离纸叠”和“不要滴在杯子上”。

在这三种情况下，机器人都按照字面意思执行每条命令，同时也在更高层次上进行推理——当警告有关笔记本电脑时避开电子设备，当被告知要注意蜡烛时避开易燃物体，并在一次杯子警告后将所有易碎物品视为禁放区。

为什么常识是家庭机器人的瓶颈

这项研究针对的是消费机器人领域一个长期存在的障碍：没有人运送的机器人已经知道你家中重要的事情。基于物理的轨迹规划是精确但不透明的，期望用户操纵数学成本函数是不可能的。

“机器人使用数学来进行轨迹规划。但我们不能指望消费者通过学习数学来告诉机器人该做什么，”丹勒说。 “我们的目标不是让人们学习如何以特定方式使用机器人，而是通过自然语言与机器人互动。”

大量的机器人研究已经将语言融入到机器人学习中——明确任务目标、重新引导轨迹、定义安全路径。但麻省理工学院新闻指出，现有的方法主要使用语言来告诉机器人如何实际执行任务。 Bobu 的团队正在推进一个不同的领域：从一些随意的命令中提取一个人潜在的、未指定的偏好。

“每个人的家都不同，每个人关心的事情也不同，所以没有一个机器人从盒子里出来就知道什么对你来说是重要的，”博布告诉麻省理工学院新闻。 “FLEX 令我兴奋的地方在于，它可以从一两句话中识别出来，而不是要求你拼写出每条规则——这就是人们忍受的机器人和他们真正想要在家中使用的机器人之间的区别。”

接下来会发生什么

这项工作在论文“自适应机器人行为的灵活语言引导表示编辑”中进行了详细介绍，部分得到了麻省理工学院生成人工智能影响联盟和麻省理工学院施瓦茨曼计算学院的计算社会和道德责任项目的支持。

到目前为止显示的结果只是模拟，将这种性能转化为物理硬件——具有更混乱的感知、更嘈杂的语言和真实的后果——仍然是该领域的下一个障碍。但方向很明确：随着机器人从工厂笼子进入厨房和办公室，成功的机器可能不仅能理解我们所说的，还能理解我们的意思。

本文基于 Jennifer Chu 的报道，麻省理工学院新闻于 2026 年 11 月 9 日发表。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →