FLEX del MIT permette ai robot di leggere fra le righe, dei tuoi comandi
Un nuovo sistema di AI aiuta i robot domestici a capire cosa vuoi dire, non solo le parole che usi.
Come funziona
Un sistema che permette ai robot domestici di intuire le regole di sicurezza che non dici esplicitamente, a partire dai tuoi ordini.
- Aggiunge il tuo comando alla mappa del robot
- Modifica la mappa in base al tuo feedback
- Riprogetta il percorso del robot in totale sicurezza
Cosa potresti farci
- Un proprietario di un robot domestico potrebbe dare avvertimenti di sicurezza in linguaggio naturale, tipo «Non versare sul laptop!», e il robot potrebbe dedurre precauzioni aggiuntive, come evitare anche il telefono nelle vicinanze 1.
- Uno sviluppatore di robot assistiti potrebbe integrare FLEX affinché i robot si adattino in tempo reale alle correzioni conversazionali senza richiedere una programmazione passo passo dettagliata 1.
- Un ricercatore inrobotica potrebbe eseguire task simulati su tabelle dissestate per misurare se un robot estrapola da un singolo comando negativo per proteggere oggetti fragili non nominati esplicitamente 1.
Immagine: news.mit.edu
Leggere fra le righe
Gli esseri umani sono intuitivi per natura. Quando qualcuno dice «Non versare sul laptop!», capiamo che probabilmente intende anche «non versare sul telefono nelle vicinanze». I robot non funzionavano così — finché adesso 1.
Un nuovo sistema di apprendimento assistito dall'AI chiamato FLEX (flexible feature-editing pipeline for robot motion-planning, cioè pipeline flessibile di modifica delle caratteristiche per la pianificazione dei movimenti robotici) è stato sviluppato da ricercatori del MIT e della New York University. Il sistema permette alle persone di dare istruzioni ai robot in linguaggio naturale, colloquiale, e il robot può trarre generalizzazioni più ampie da quelle parole per migliorare il modo in cui pianifica i suoi movimenti 1.
Il team ha testato FLEX in diversi scenari simulati, tra cui uno in cui un braccio robotico serve caffè attraverso una tavola dissestata 1. Quando una persona digita «Non versare sul laptop!», il robot ragiona sul motivo per cui deve evitare il laptop — e poi decide di tenere alla larga anche un telefono vicino, senza che gli venga detto esplicitamente .
Indovina
Il robot può indovinare regole di sicurezza che non hai mai nominato?
I modelli linguistici apprendono dai testi su internet che i liquidi danneggiano l'elettronica.
Come funziona
Al centro di FLEX c'è un large language model (LLM), un sistema di AI addestrato su enormi quantità di testo raccolto da internet, tra cui post dai social media, trascrizioni video e contenuti web, che usa per individuare pattern e generalizzazioni 1.
«I LLM hanno visto tantissimi testi presi da internet» ha dichiarato Nathan Dennler, autore dello studio e ricercatore postdottorato nel Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT. «Le persone potranno aver scritto cose come «Oh, il mio telefono è caduto in acqua e ora non funziona» oppure «Ho versato caffè sul computer e ora non funziona». Quindi i LLM colgono l'idea che liquidi più dispositivi porta a cose che non funzionano» 1.
Attraverso questo LLM, FLEX fornisce al robot un tipo di livello di ragionamento fondato sul senso comune. Il sistema prevede tre passaggi: prima, aggiunge le caratteristiche provenienti da un comando alla mappa dell'ambiente del robot; secondo, modifica la comprensione del robot in base al feedback dell'utente; terzo, riprogetta il movimento del robot servendosi di questa conoscenza aggiornata 1.
«L'idea è che dietro alle parole che dici ci sia un'intenzione di livello più elevato» ha spiegato Dennler. «Le persone lo capiscono naturalmente. Tuttavia, devi dare al robot una spiegazione meticolosa, e questo richiede tempo ed energie. Con FLEX ottieni un'interfaccia di comunicazione per parlare con un robot in cui puoi esprimere concetti come «Quando qualcuno dice questo, intende quello» 1.
Rendere i robot più convivibili
Lo studio è stato diretto da Andreea Bobu, professoressa associata di aeronautica e astronautica al MIT e responsabile del Collaborative Learning and Autonomy Research (CLEAR) Lab 1. Il suo gruppo sviluppa agenti autonomi che imparano a lavorare insieme alle persone, concentrandosi su robot assistiti e domestici in grado di adattarsi in tempo reale a comandi naturali .
I robot utilizzano calcoli quando decidono dove muoversi, un processo chiamato trajectory planning (pianificazione della traiettoria) 1. Secondo Dennler, «l'idea non è fare studiare questa matematica agli utenti comuni solo per dare istruzioni a un robot» . Piuttosto che addestrare le persone a operare un robot in un certo metodo, l'obiettivo è consentire la comunicazione con il robot mediante linguaggio parlato o scritto ordinario .
Mentre altri progetti robotici hanno già usato il linguaggio per chiarire compiti o ridirezionare i robot, FLEX va oltre, permettendo al robot di inferire preferenze non specificate a partire da suggerimenti verbali limitati 1. Coautori dello studio sono Audrey Lee SM '26 e Ilia Sucholutsky della New York University .
Il lavoro sarà presentato alla Conference on Robot Learning, in programma entro la fine di questo mese 1.
Quanto è efficace
L'approccio è stato valutato in scenari simulati, tra cui un compito virtuale di servizio caffè su una tavola dissestata 1. Nel comunicato non sono state riportate metriche di performance né confronti diretti con altri sistemi . Le dimostrazioni hanno indicato che il robot amplia con successo la propria lista di elementi da evitare oltre l'oggetto menzionato esplicitamente, suggerendo un ragionamento basata sul senso comune più solido . Se il metodo regga in case reali o rispetto ai sistemi esistenti di comando robotico rimane da verificare .
I fatti principali
- FLEX è una pipeline flessibile di modifica delle caratteristiche sviluppata da MIT e NYU che permette ai robot di ragionare oltre i comandi alla lettera
- Utilizza un large language model per cogliere pattern fondati sul senso comune dal testo presente su internet
- Testato in simulazioni come servire caffè evitando dispositivi elettronici
- La ricerca sarà presentata alla Conference on Robot Learning
Fonti
Continua a leggere
Nuovi modelliGPT-6 Astra risolve i problemi di matematica di Qwen3.5 riscrivendo il suo cervello senza addestramentoHerald of AINuovi modelliGPT-6 Astra risolve i problemi di matematica di Qwen3.5 riscrivendo il suo cervello senza addestramento
Ricercatori del MIT hanno dimostrato che un singolo modello di AI all'avanguardia può leggere e modificare i parametri interni di un altro modello per renderlo molto più bravo a fare matematica — senza bisogno di addestramento.
