El FLEX del MIT permite a los robots leer entre líneas tus instrucciones
Un nuevo sistema de IA ayuda a los robots del hogar a entender lo que quieres decir, no solo lo que dices.
Cómo funciona
Un sistema que permite que los robots del hogar deduzcan reglas de seguridad tácitas a partir de tus órdenes.
- Agrega tu instrucción al mapa del robot
- Edita el mapa usando tus correcciones
- Replanifica el movimiento del robot de forma segura
Qué podrías hacer con él
- Un usuario que tenga un robot del hogar podría dar instrucciones de seguridad en lenguaje natural, como «¡No derrames sobre la laptop!», y el robot inferiría precauciones adicionales, como también evitar un teléfono, el que está cerca, 1.
- Un desarrollador de robots de asistencia podría integrar FLEX para que los robots se adapten en tiempo real a correcciones conversacionales sin necesidad de programación detallada paso a paso 1.
- Un investigador en robótica podría ejecutar tareas simuladas con mesas desordenadas para medir si un robot extrapola a partir de un único comando negativo para proteger objetos frágiles no mencionados 1.
Imagen: news.mit.edu
Leer entre líneas
Los humanos somos intuitivos por naturaleza. Cuando alguien dice «¡No derrames sobre la laptop!», entendemos que probablemente también quiere decir que no derrames sobre el teléfono cercano. Los robots no funcionaban así… hasta ahora 1.
Un nuevo sistema de aprendizaje asistido por IA llamado FLEX (flexible feature-editing pipeline for robot motion-planning, es decir, tubería flexible de edición de características para la planificación de movimientos de robots) fue desarrollado por investigadores del MIT y de la New York University. El sistema permite a las personas dar instrucciones a los robots en lenguaje natural y conversacional, y el robot puede extraer generalizaciones más amplias a partir de esas palabras para mejorar cómo planifica sus movimientos 1.
El equipo probó FLEX en varios escenarios simulados, incluido uno en el que un brazo robótico sirve café sobre una mesa desordenada 1. Cuando una persona escribe «¡No derrames sobre la laptop!», el robot razona por qué debe evitar la laptop y luego decide también mantenerse alejado de un teléfono, el que está cerca, sin que se le haya dicho explícitamente .
Adivina
¿Puede el robot imaginar reglas de seguridad que nunca le dijiste?
Los LLMs aprenden de textos de internet que dicen que los líquidos dañan la electrónica.
Cómo funciona
En el centro de FLEX hay un modelo de lenguaje grande (LLM, por sus siglas en inglés): un sistema de IA entrenado con grandes cantidades de texto de internet, incluidas publicaciones de redes sociales, transcripciones de videos y contenido web, que utiliza para detectar patrones y generalizaciones 1.
«Los modelos de lenguaje grande han leído tanto texto de internet —dijo Nathan Dennler, autor del estudio y becario postdoctoral en el Laboratorio de Ciencia de la Computación e Inteligencia Artificial (CSAIL) del MIT—. La gente quizás escribió cosas como: "Oh, se me cayó el teléfono al agua y ahora no funciona" o "Derramé café sobre mi computadora y ahora no funciona". Entonces los LLM captan la idea de que líquido más dispositivo significa que las cosas dejarán de funcionar» 1.
A través de este LLM, FLEX le proporciona al robot una especie de capa de razonamiento cotidiano. El sistema tiene tres pasos: primero, añade características de un comando al mapa del entorno del robot; segundo, edita la comprensión del robot según los comentarios del usuario; y tercero, reprografa el movimiento del robot usando ese conocimiento actualizado 1.
«La idea es que hay una intención de mayor nivel detrás de las palabras que dices», explicó Dennler. «Las personas naturalmente lo entienden. Sin embargo, necesitas darle al robot una explicación cuidadosa, y eso requiere tiempo y esfuerzo. Con FLEX tienes una interfaz de comunicación para hablar con un robot donde puedes expresar cosas como: "Cuando alguien dice esto, quiere decir aquello» 1.
Hacer que los robots sean más fáciles de convivir con ellos
El estudio fue dirigido por Andreea Bobu, profesora asistente de aeronáutica y astronautica en el MIT y directora del Laboratorio de Investigación de Aprendizaje Colaborativo y Autonomía (CLEAR) 1. Su grupo desarrolla agentes autónomos que aprenden a trabajar junto a personas, centrándose en robots de asistencia y del hogar que pueden adaptarse en tiempo real a comandos naturales .
Los robots utilizan cálculos para determinar dónde moverse, un proceso llamado planificación de trayectorias 1. Según Dennler, «la idea no es que los usuarios comunes estudien ese tipo de matemáticas solo para darle instrucciones a un robot» . En lugar de entrenar a las personas para operar un robot de una manera particular, el objetivo es permitir la comunicación con el robot mediante lenguaje hablado o escrito ordinario .
Si bien otros proyectos de robótica han utilizado el lenguaje para aclarar tareas o redirigir robots, FLEX va más lejos: permite que el robot infiera preferencias no especificadas a partir de señales verbales limitadas 1. Los coautores del estudio son Audrey Lee SM '26 e Ilia Sucholutsky, de la New York University .
El trabajo se presentará en la Conferencia Anual de Aprendizaje de Robots a finales de este mes 1.
Qué tan bueno es
El enfoque se evaluó en escenarios simulados, incluida una tarea virtual de servir café sobre una mesa desordenada 1. No se reportaron métricas de rendimiento ni comparaciones directas con competidores en el anuncio . Las demostraciones indicaron que el robot amplió con éxito su lista de evitación más allá del objeto mencionado explícitamente, lo que sugiere un razonamiento cotidiano más sólido . Si el método resiste en hogares reales o frente a sistemas existentes de comandos para robots sigue sin probarse .
Los datos clave
- FLEX es un pipeline flexible de edición de características del MIT y la NYU que permite a los robots razonar más allá de comandos literales
- Utiliza un modelo de lenguaje grande para captar patrones de sentido común a partir de texto de internet
- Se probó en simulaciones como servir café evitando electrónicos
- La investigación se presentará en la Conferencia sobre Aprendizaje de Robots
Fuentes
Sigue leyendo
Nuevos modelosGPT-6 Astra repara la habilidad matemática de Qwen3.5 reescribiendo su cerebro sin ningún entrenamientoHerald of AINuevos modelosGPT-6 Astra repara la habilidad matemática de Qwen3.5 reescribiendo su cerebro sin ningún entrenamiento
Investigadores del MIT mostraron que un único modelo de IA de vanguardia puede leer y editar los números internos de otro modelo para hacerlo mucho más inteligente en matemáticas: sin necesidad de entrenamiento.
