KI-Lernplattform FLEX lässt Roboter Befehle interpretieren

Forscher des Massachusetts Institute of Technology und der New York University haben mit FLEX ein KI-gestütztes Lernsystem für die Robotik vorgestellt, das Maschinen Befehle in natürlicher Sprache über den wörtlichen Inhalt hinaus interpretieren lässt. Das Verfahren wird auf der jährlichen Konferenz für Robotiklernen in diesem Monat präsentiert. Im Zentrum steht eine dreistufige Pipeline, die Roboter in die Lage versetzt, aus knappen Nutzereingaben allgemeine Risiken und Präferenzen abzuleiten und ihre Bewegungsplanung entsprechend anzupassen. Bei der ersten Stufe ergänzt der Roboter aus einer Sprachanweisung ein für die Aufgabe relevantes Objekt in seiner Umgebung, etwa eine Tasse oder einen Laptop. In der zweiten Stufe nutzt das System ein großes Sprachmodell, im Testbetrieb GPT-4o, um aus bisherigen Hinweisen und in Internettexten enthaltenen Bedeutungsmustern Schlüsse zu ziehen. Soll der Roboter auf einem Laptop keinen Kaffee verschütten, vermeidet er automatisch auch andere Elektronik. Soll er einen Gegenstand vor Papier schützen, erkennt er ein Risiko für brennbare Materialien. In der dritten Stufe überprüft das visuelle System, welche gemerkten Objekte nicht mehr vorhanden sind, und entfernt sie aus der Relevanzliste. Der gesamte Prozess dauert nach Angaben des Teams rund fünf Sekunden. In Simulationen mit einem Roboterarm bei Aufgaben wie dem Servieren eines Kaffees, dem Bewegen einer Kerze und dem Transport einer Bowlingkugel folgten die Roboter konkreten Anweisungen und erkannten zugleich übergeordnete Absichten. Statt einzelner Objekte lernte das System Kategorien wie empfindliche Geräte, brennbare Materialien oder zerbrechliche Gegenstände. Das MIT-Team um Andreea Bobu, Nathan Dennler, Audrey Lee und Ilia Sucholutsky sieht in FLEX einen Weg, Haushalts- und Serviceroboter stärker an individuelle Umgebungen anzupassen, ohne dass Nutzer jede Regel einzeln formulieren müssen.