FLEX enseña a los robots a generalizar a partir de las correcciones humanas

Investigadores del MIT y de New York University desarrollaron FLEX, un sistema que utiliza correcciones conversacionales para revisar las características del entorno que guían los movimientos de un robot. El MIT anunció el trabajo el 9 de noviembre de 2026, antes de su presentación en la Conference on Robot Learning, en noviembre de 2026.

FLEX aborda un fallo habitual en la robótica guiada por lenguaje: decirle a un robot que lleva café que no lo derrame sobre una computadora portátil puede hacer que añada ese objeto a su lista de obstáculos, sin captar por qué es importante. El sistema infiere una preferencia más amplia por evitar los dispositivos electrónicos, de modo que el brazo simulado modifica su trayectoria para esquivar tanto la computadora portátil como un teléfono cercano, sin necesidad de darle una instrucción específica sobre el teléfono.

Editar lo que el robot tiene en cuenta

El artículo denomina a FLEX Flexible Feature Editing Pipeline. El sistema separa la especificación de características de la optimización de recompensas: las correcciones en lenguaje natural identifican qué propiedades medibles de una escena son importantes, mientras que las demostraciones determinan cuánto deben influir esas propiedades en la trayectoria. Esta división aborda representaciones incompletas, demasiado específicas por incluir características irrelevantes o abstraídas en un nivel inadecuado.

Cada corrección pasa por ADD, GENERALIZE y MASK. ADD comprueba si las características existentes explican la corrección; si no es así, un modelo de lenguaje propone una característica faltante y genera código para calcularla. GENERALIZE sustituye una característica demasiado específica por otra vinculada con la intención inferida. En el ejemplo del MIT con una bola de boliche, una restricción específica para una taza se convierte en una regla para evitar objetos frágiles. MASK elimina las características que ya no son pertinentes.

Ejecutar MASK al final permite decidir qué características siguen siendo pertinentes después de cualquier generalización. En los experimentos se utilizó GPT-4o, y el MIT señala que la interacción completa de tres pasos dura unos cinco segundos.

Andreea Bobu, quien dirigió el estudio y encabeza el Collaborative Learning and Autonomy Research Lab del MIT, relacionó ese diseño con el uso doméstico: «Cada hogar es distinto y a cada persona le importan cosas diferentes, así que ningún robot sale de fábrica sabiendo qué es importante para ti. Lo que me entusiasma de FLEX es que puede aprenderlo a partir de una o dos frases, en lugar de pedirte que especifiques cada regla; esa es la diferencia entre un robot que la gente tolera y uno que realmente quiere tener en casa».

Resultados de las simulaciones y valoraciones de los participantes

Los investigadores probaron FLEX en cuadrículas de navegación de 9 por 9 y en tareas simuladas de sobremesa con un robot Franka de siete grados de libertad, que incluían café, una vela encendida y una bola de boliche. En los escenarios con el brazo robótico se utilizaron secuencias de correcciones de cinco etapas. La disposición de los objetos cambiaba entre etapas, de modo que una característica útil anteriormente podía dejar de ser pertinente o podía salir a la luz una desalineación oculta.

Las comparaciones incluyeron ALGAE, que solo añade características; Mask-From-Exhaustive (MFE), que solo las enmascara; y un método de referencia sin estructura, que pide al modelo de lenguaje una versión completa y actualizada del conjunto de características en una sola consulta. La métrica de recompensa normalizada asigna 1 al comportamiento óptimo y 0 a la trayectoria más desfavorable.

El artículo señala que FLEX obtuvo la recompensa normalizada media más alta en los siete escenarios de navegación. En el escenario que requería las tres operaciones, FLEX alcanzó una media de 0,99, frente a 0,69 de ALGAE, 0,83 de MFE y 0,78 del método de referencia sin estructura.

En las simulaciones secuenciales con el brazo robótico, los autores señalan que, por lo general, FLEX aprendió la recompensa objetivo tras una o dos correcciones y mantuvo el rendimiento en configuraciones anteriores y posteriores. Los métodos de comparación necesitaron más correcciones y su rendimiento se deterioró a medida que se acumulaban características irrelevantes o sus representaciones se ajustaban en exceso a etapas individuales.

En otro estudio presencial participaron 12 personas, cada una de las cuales proporcionó correcciones escritas en tres bloques de cinco etapas con FLEX, ALGAE y MFE. Los investigadores señalan que FLEX obtuvo la valoración media más alta en las cinco dimensiones del cuestionario. En cuanto a la comprensión de la intención, en una escala de siete puntos, las medias fueron de 6,3 para FLEX, 5,0 para ALGAE y 4,5 para MFE. Las diferencias entre FLEX y ambos métodos de referencia fueron estadísticamente significativas tras ajustar las comparaciones múltiples. Las diferencias en facilidad de uso y colaboración no fueron estadísticamente significativas.

Límites de la evidencia y estado del desarrollo

El estudio con participantes no se realizó en bucle cerrado con un robot físico. Los participantes observaron trayectorias simuladas porque algunos métodos de referencia producían movimientos erráticos del brazo; por separado, el equipo combinó sus correcciones con demostraciones de expertos recopiladas con un Franka físico para realizar aprendizaje fuera de línea. Los autores describen ese trabajo con hardware como una comprobación de viabilidad que respalda el estudio de simulación.

Actualmente, FLEX se limita a la manipulación cuasiestática de objetos rígidos cuyas propiedades pertinentes pueden expresarse en lenguaje natural; las tareas dinámicas y los objetos deformables podrían requerir modalidades adicionales. Los autores afirman que el conocimiento de sentido común de los modelos de lenguaje puede dar cuenta de preferencias ampliamente compartidas, pero no de las personales o contraintuitivas. Una petición de mantenerse aún más lejos de una computadora portátil también expresa el grado de preferencia, algo que la formulación actual no contempla.

La página del proyecto de los autores todavía figura como un trabajo en curso e indica que el código y el conjunto de datos estarán disponibles próximamente.

En el caso de los robots domésticos y de asistencia, recibir menos correcciones solo resulta útil si la preferencia inferida coincide con lo que realmente le importa al usuario. La principal pregunta aún sin respuesta es si las generalizaciones de los modelos de lenguaje pueden adaptarse a preferencias particulares con la misma coherencia durante la operación en lazo cerrado de robots físicos.