麻省理工推出智能平台，助机器人理解自然语言深意

美国麻省理工学院与纽约大学研究人员联合推出名为“灵活”的机器人学习流程，帮助机器人在执行自然语言指令时理解指令背后的常识性意图，而不仅是字面要求。该成果将在本月举行的机器人学习年度会议上展示，由麻省理工学院航空与航天学助理教授安德烈娅·博布领衔，麻省理工学院计算机科学与人工智能实验室博士后内森·登勒等参与，并获得相关人工智能项目支持。 该流程利用大型语言模型，从用户简短反馈中提炼更高层次约束。过程分为三步：首先根据指令增加需关注的环境特征，例如不要把咖啡洒在笔记本电脑上；随后由模型识别相关规律，将避免笔记本电脑泛化为避免电子设备，并进一步扩展为远离易燃物或易碎品；最后由视觉系统检查环境中已消失对象并删除过期项目。团队在咖啡服务、蜡烛搬运和保龄球移动等模拟任务中测试，志愿者仅输入少量自然语言，机器人即可同时遵守字面要求并调整路径，避开手机、纸张堆和杯子等未明确提及的相关风险物体。整个过程约需五秒。 研究者认为，家庭环境和用户需求差异显著，现有方法要求用户逐项指定避让对象，效率较低。新流程让机器人通过有限对话吸收常识，降低人机协作门槛，为家庭助理机器人提升路径规划、实时适应与安全交互提供新路径，有望推动机器人更自然地理解人类偏好并进入日常场景。