麻省理工学院开发智能系统协助机器人理解人类意图

麻省理工学院（MIT）开发了一套由人工智能驱动的系统，旨在帮助机器人理解人类的意图，例如一个人要求机器人将咖啡杯从凌乱的桌面上拿走时所隐含的需求。这套系统名为FLEX（Flexible Language Guided Representation Editing for Adaptive Robot Behavior），将于本月在年度机器人学习会议上展示。

FLEX系统的测试与应用

研究人员利用机械臂进行模拟任务来测试FLEX。在一个例子中，机器人被要求将咖啡杯从凌乱的桌面上运送过去。用户说道：“不要洒在笔记本电脑上！”FLEX识别到咖啡洒在笔记本电脑上的潜在风险，并使用大型语言模型（LLM）将液体与电子设备进行联系。随后，机器人避开了笔记本电脑和附近的手机，尽管用户在指示中并未提及手机。这项研究由航空航天学助理教授Andreea Bobu主导，合著者包括麻省理工学院计算机科学与人工智能实验室（CSAIL）的博士后研究员Nathan Dennler，以及硕士生Audrey

Lee SM ’26和纽约大学学生Ilia Sucholutsky。

大型语言模型（LLM）经过大量互联网文本的训练，能够将物体和情境与相关信息进行联系。例如，在咖啡或水洒出来的情况下，LLM将这些与潜在的电子设备损坏进行联系。FLEX利用这些联系来帮助机器人更好地预测用户未明确提及的物体可能出现的问题。该系统经过三个阶段：添加、概括和遮罩。在添加阶段，FLEX识别需要避免的物体和特征。例如，如果用户说：“不要将保龄球掉在我的杯子上！”

，则杯子将被添加到机器人需避免的物体列表中。在概括阶段，FLEX利用GPT-4o语言模型对前一阶段中添加的物体和特征进行概括。例如，杯子将被分类为易碎物品，因此机器人也会避免其他所有易碎物品。最后，在遮罩阶段，机器人的标准计算机视觉系统将被用来识别机器人周围的物体。那些不再存在的物体将从机器人的特征列表中移除，使机器人能够根据环境变化即时更新决策。根据研究人员的说法，整个过程大约需要五秒钟。

多样化家庭偏好的学习

团队在模拟环境中对FLEX进行了三项活动的测试，包括提供咖啡、移动蜡烛和携带保龄球。机器人能够遵循涉及笔记本电脑、纸堆和杯子的指示，并将这些扩展到包括同类物件（例如电子设备、易燃材料和易碎物品）。麻省理工学院生成式人工智能影响联盟及麻省理工学院施瓦茨曼计算学院的社会与计算伦理责任计划部分支持了这项研究。Bobu表示：“家庭偏好极为多样。因此，机器人应当学习人们在各种情境下的偏好，而只需几句指示。”

FLEX能够帮助机器人学习人们在不同情境下的偏好，仅需几句指示即可。

FLEX系统对机器人技术的影响

FLEX系统的开发标志着机器人技术的一个重要进步，能让机器人更灵活地理解和应对人类的需求。通过大型语言模型的应用，机器人不仅能够执行具体任务，还能预测潜在的风险，这对于日常生活中的应用尤为重要。随着家庭环境的多样化，FLEX能够快速学习并适应不同情境下的偏好，这将促进机器人技术在家庭和商业领域的广泛应用，提升人机互动的质量与效率。