Обучение роботов работе в реальной среде — задача, которая десятилетиями вызывала сложности у инженеров. Основная проблема заключалась в том, что роботы часто буквально воспринимали инструкции, упуская контекст и скрытые намерения человека. Если попросить робота поставить чашку кофе на стол во время видеозвонка, он может поставить её слишком близко к ноутбуку или подойти вплотную, нарушив тишину. Но теперь исследователи из Массачусетского технологического института (MIT) нашли способ научить машины «читать между строк».

Две модели — один результат

Команда из Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) разработала метод, получивший название Masked Inverse Reinforcement Learning (Masked IRL). Его суть заключается в использовании двух больших языковых моделей, каждая из которых выполняет свою функцию.

Первая модель занимается уточнением неоднозначных инструкций. Например, если пользователь говорит «оставаться близко», система интерпретирует это не как «прижаться к человеку», а как «подойти ближе к поверхности стола». Вторая модель анализирует окружение, выделяя важные детали и отсеивая лишние. Так, факт того, что инструктор опирается на стол во время демонстрации, будет проигнорирован, так как он не влияет на выполнение задачи.

Эффективность в цифрах

Результаты тестов впечатляют: новый метод сократил объем необходимых данных для обучения почти в пять раз. При этом роботы стали на 15% эффективнее определять невысказанные предпочтения пользователей по сравнению с предыдущими алгоритмами.

В симуляциях роботы быстро осваивали сложные задачи, такие как перемещение чашки вокруг ноутбука или протирание стола с сохранением контакта с поверхностью. В реальных условиях после примерно 50 демонстраций робот уже мог самостоятельно выполнять действия, избегая столкновений с объектами, о которых ему явно не сообщали.

Как это работает на практике

Обучение происходит через кинестетическую демонстрацию — метод, при котором человек буквально «ведёт» робота за руки, показывая, как правильно выполнять движения. Датчики фиксируют процесс, а языковые модели анализируют логику действий и окружающую среду.

По словам Минён Хвана, аспиранта MIT и ведущего автора исследования, цель команды — минимизировать усилия человека при управлении роботами. «Мы хотели, чтобы роботы понимали, чего на самом деле хотят пользователи, даже если они не могут полностью выразить это вербально», — отметил он.

Где это применимо?

Технология Masked IRL особенно актуальна для ситуаций, где люди ожидают, что робот «сам всё поймёт». Например, на кухне робот может искать закуски, но должен знать, что нельзя задевать ноутбук на столе. На производстве робот, перемещающий товары, должен обходить полки и оборудование, даже если оператор не указывал это явно.

Система уже показала способность адаптироваться к новым задачам, с которыми робот не сталкивался во время обучения. Это открывает перспективы для широкого внедрения подобных решений в быту, медицине, логистике и промышленности.