Инженеры Массачусетского технологического института (MIT) разработали платформу FLEX, которая помогает роботам лучше понимать команды человека на естественном языке. Система позволяет учитывать не только прямой смысл указаний, но и скрытые намерения пользователя. Исследование подготовили специалисты MIT и Нью-Йоркского университета, а его результаты представят на ежегодной конференции по обучению роботов.
FLEX применяет большую языковую модель — разновидность искусственного интеллекта, обученную на огромных массивах текстов. Например, если во время подачи кофе человек напишет роботу: «Не пролей на ноутбук!», система делает вывод, что опасность представляют и другие электронные устройства. Поэтому робот изменяет маршрут и старается не задеть расположенные рядом ноутбук и телефон, даже если пользователь отдельно не упоминал телефон.
«Идея заключается в том, что за произнесёнными словами стоит намерение более высокого уровня», — пояснил автор исследования Натан Денглер, научный сотрудник лаборатории компьютерных наук и искусственного интеллекта MIT. По его словам, людям обычно легко понять такой подтекст, тогда как роботу это приходится подробно объяснять. FLEX предлагает способ сообщить машине, что именно люди обычно подразумевают под определёнными словами.
Платформа работает в три этапа. Сначала робот добавляет в список значимые для задачи объекты, например кружку, которую нельзя задеть при переносе шара для боулинга. Затем языковая модель GPT-4o обобщает полученную информацию и может определить, что следует избегать всех хрупких предметов, а на заключительном этапе система компьютерного зрения удаляет из списка объекты, исчезнувшие из окружающей обстановки; весь процесс занимает около пяти секунд.
Исследователи проверили FLEX в симуляциях с тремя заданиями: подачей чашки кофе, перемещением свечи и переносом шара для боулинга. Участники отдавали команды вроде «Не пролей на мой ноутбук», «Держись подальше от стопки бумаги» и «Не урони на кружку», после чего робот не только выполнял их буквально, но и учитывал более широкие правила безопасности. Как сообщается на сайте MIT News, система училась избегать электроники, легковоспламеняющихся объектов и хрупких предметов.
Руководитель проекта Андреа Бобу отметила, что каждому человеку важны разные вещи, поэтому робот не может заранее знать все предпочтения владельца. По её словам, FLEX способен понять эти требования после одной-двух фраз, не заставляя пользователя заранее формулировать полный набор правил. Разработку частично поддержали консорциум MIT Generative AI Impact Consortium и программа MIT Schwarzman College of Computing, посвящённая социальным и этическим аспектам вычислений.