MIT создал систему, которая учит роботов понимать скрытый смысл команд людей
Американские инженеры разработали новую систему обучения роботов, которая позволяет машинам понимать не только прямые указания человека, но и подразумеваемый смысл его слов. Технология помогает роботам самостоятельно определять потенциальные опасности и корректировать движения без подробных инструкций пользователя. Разработку представили специалисты Массачусетского технологического института совместно с коллегами из Нью-Йоркского университета. Об этом сообщает MIT News.
Новая система получила название «Флекс». Её главная задача заключается в том, чтобы сделать взаимодействие человека с роботами более естественным. Вместо сложных технических команд пользователи смогут давать машинам обычные разговорные указания.
Исследователи объяснили, что при выполнении повседневных задач робот должен учитывать не только конкретный предмет, который упомянул человек, но и другие объекты с похожими свойствами.
Например, если машина переносит чашку горячего кофе через стол, пользователь может попросить её не проливать напиток на ноутбук. Обычная система воспримет это как необходимость избегать одного определённого устройства.
Однако новая разработка позволяет роботу сделать более широкий вывод. Машина определяет, что жидкость представляет опасность и для другой электроники, поэтому корректирует траекторию движения, стараясь не задеть расположенный поблизости телефон.
Для подобного анализа инженеры использовали большую языковую модель, способную находить смысловые связи между предметами и различными ситуациями.
В исследовательской версии технологии эту задачу выполняет модель GPT-4o. Она помогает роботу обобщать полученные указания и учитывать обстоятельства, о которых пользователь прямо не сообщил.
Разработчики разделили работу системы на три последовательных этапа.
Сначала робот выделяет объект, который человек упомянул в команде, и добавляет его в список значимых элементов окружающей обстановки.
Затем языковая модель анализирует указание и определяет более широкую категорию предметов, требующих осторожного обращения.
На заключительном этапе система компьютерного зрения проверяет окружающее пространство и исключает из списка объекты, которые больше не находятся поблизости.
По данным исследователей, выполнение всех трёх операций занимает приблизительно пять секунд. Такой подход помогает роботу учитывать изменения обстановки и не сохранять ненужные ограничения.
Для проверки технологии специалисты провели серию компьютерных испытаний. Они моделировали работу механической руки, которой поручали переносить чашку кофе, свечу и шар для боулинга.
Во время экспериментов участники давали роботу короткие указания на обычном разговорном языке.
В задании с кофе система научилась избегать контакта жидкости с электронными устройствами. При переносе свечи робот учитывал опасность приближения открытого огня к легковоспламеняющимся предметам.
В другом испытании машина должна была переместить тяжёлый шар, не повредив кружку. Система распространила полученное предупреждение на другие хрупкие объекты.
Таким образом, робот учитывал не только конкретные слова пользователя, но и общую причину, по которой следовало избегать определённых предметов.
Руководителем научной работы стала доцент Массачусетского технологического института Андреа Бобу.
По мнению исследовательницы, главная особенность разработки заключается в способности робота учитывать индивидуальные предпочтения владельца. Для этого человеку достаточно нескольких коротких пояснений вместо подробного перечисления всех правил поведения.
Авторы работы считают, что подобная технология может оказаться полезной при создании домашних роботов и машин, которые помогают людям выполнять повседневные задачи.
Результаты исследования планируют представить в ноябре 2026 года на ежегодной научной конференции, посвящённой обучению роботов.
Разработчики рассчитывают, что дальнейшее совершенствование системы позволит машинам быстрее приспосабливаться к меняющейся обстановке и эффективнее взаимодействовать с людьми.
