MIT desarrolla sistema que permite a robots entender intenciones detrás de órdenes

Ingenieros del MIT desarrollaron un sistema llamado FLEX que permite a los robots entender la intención detrás de órdenes humanas, incluso cuando no se especifican todos los detalles. El sistema fue presentado en la conferencia Conference on Robot Learning y se basa en el uso de modelos de lenguaje de gran tamaño, como GPT-4o, para interpretar instrucciones en lenguaje natural.

En pruebas virtuales, el sistema permitió que un brazo robótico realizara tareas como servir café, trasladar una vela y transportar una bola de bowling. Los usuarios daban instrucciones en lenguaje natural, como 'No derrames sobre mi computadora portátil', y el robot no solo seguía la instrucción literal, sino que también extendía su razonamiento a otros objetos no mencionados, como teléfonos o materiales inflamables.

El sistema funciona en tres etapas: 'Agregar', donde se identifican los elementos del entorno importantes; 'Generalizar', donde el modelo de lenguaje interpreta conexiones entre objetos mencionados y otros no mencionados; y 'Enmascarar', donde se eliminan los objetos que ya no están presentes. El proceso completo toma unos cinco segundos.

Según los investigadores, FLEX permite que los usuarios interactúen con los robots mediante lenguaje natural, sin necesidad de aprender reglas específicas. El sistema se basa en el conocimiento cotidiano que los modelos de lenguaje de gran tamaño han adquirido a través de su entrenamiento con textos, redes sociales, videos y contenido web.

Los investigadores destacaron que el sistema es especialmente útil para futuros robots domésticos y de asistencia, ya que permite que los usuarios se comuniquen de forma natural, sin tener que aprender un método específico para manejar una máquina.