FLEX ensina robôs a generalizar a partir de correções humanas

Pesquisadores do MIT e da New York University desenvolveram o FLEX, um sistema que usa correções feitas em conversas para revisar as características do ambiente que orientam os movimentos de um robô. O MIT anunciou o trabalho em 9 de novembro de 2026, antes de sua apresentação na Conferência sobre Aprendizagem Robótica, em novembro de 2026.

O FLEX aborda uma falha comum na robótica guiada por linguagem: dizer a um robô que transporta café para não derramar a bebida em um laptop pode fazer com que o objeto seja acrescentado à lista de obstáculos, sem explicar por que ele importa. O sistema infere uma preferência mais ampla por evitar aparelhos eletrônicos, fazendo com que o braço simulado ajuste seu trajeto para contornar tanto o laptop quanto um telefone próximo, sem precisar de uma instrução específica para o telefone.

Editando o que o robô acompanha

O artigo chama o FLEX de Pipeline Flexível de Edição de Características. O sistema separa a especificação das características da otimização da recompensa: as correções em linguagem identificam quais propriedades mensuráveis de uma cena são importantes, enquanto as demonstrações determinam o quanto essas propriedades devem influenciar a trajetória. Essa divisão visa corrigir representações incompletas, especificadas em excesso com características irrelevantes ou abstraídas no nível errado.

Cada correção passa pelas etapas ADD, GENERALIZE e MASK. ADD verifica se as características existentes explicam a correção; se não explicarem, um modelo de linguagem propõe uma característica ausente e gera código para calculá-la. GENERALIZE substitui uma característica específica demais por outra associada à intenção inferida. No exemplo do MIT com uma bola de boliche, uma restrição específica a canecas passa a ser a de evitar objetos frágeis. MASK remove as características que deixaram de ser relevantes.

Executar MASK por último faz com que as decisões sobre relevância sejam aplicadas às características após qualquer generalização. Os experimentos usaram o GPT-4o, e o MIT informa que a interação completa, em três etapas, leva cerca de cinco segundos.

Andreea Bobu, que liderou o estudo e dirige o Collaborative Learning and Autonomy Research Lab do MIT, relacionou esse projeto ao uso doméstico: “Cada pessoa tem uma casa diferente e se importa com coisas diferentes, então nenhum robô vem pronto de fábrica sabendo o que é importante para você. O que me entusiasma no FLEX é que ele consegue captar isso a partir de uma ou duas frases, em vez de pedir que você detalhe cada regra — e essa é a diferença entre um robô que as pessoas toleram e um que realmente querem ter em casa.”

Resultados das simulações e avaliações dos participantes

Os pesquisadores testaram o FLEX em grades de navegação de 9 por 9 e em tarefas simuladas de mesa com o braço Franka de sete graus de liberdade, envolvendo café, uma vela acesa e uma bola de boliche. Os cenários com o braço usaram sequências de correção em cinco etapas, com mudanças na disposição dos objetos entre elas, de modo que uma característica antes útil pudesse se tornar irrelevante ou que um desalinhamento oculto pudesse vir à tona.

As comparações abrangeram o ALGAE, que só adiciona características; o Mask-From-Exhaustive (MFE), que só as remove; e uma linha de base sem etapas estruturadas, que solicita ao modelo de linguagem um conjunto completo de características atualizado em uma única consulta. A métrica de recompensa normalizada atribui 1 ao comportamento ideal e 0 à trajetória de pior caso.

O artigo informa que o FLEX obteve a maior recompensa normalizada média nos sete cenários de navegação. No cenário que exigia as três operações, a média do FLEX foi de 0,99, em comparação com 0,69 para o ALGAE, 0,83 para o MFE e 0,78 para a linha de base sem etapas estruturadas.

Nas simulações sequenciais com o braço, os autores relatam que, em geral, o FLEX aprendeu a recompensa-alvo após uma ou duas correções e manteve o desempenho em configurações anteriores e posteriores. Os métodos de comparação exigiram mais correções e tiveram desempenho pior à medida que características irrelevantes se acumulavam ou que as representações se ajustavam excessivamente a etapas individuais.

Um estudo presencial separado envolveu 12 participantes, cada um dos quais forneceu correções digitadas em três blocos de cinco etapas, usando o FLEX, o ALGAE e o MFE. Os pesquisadores relatam que o FLEX obteve a maior avaliação média nas cinco dimensões do questionário. Na compreensão da intenção, avaliada em uma escala de sete pontos, as médias foram 6,3 para o FLEX, 5,0 para o ALGAE e 4,5 para o MFE. As diferenças entre o FLEX e as duas linhas de base foram estatisticamente significativas após o ajuste para comparações múltiplas. As diferenças em facilidade de uso e capacidade de colaboração não foram estatisticamente significativas.

Limites das evidências e estágio de desenvolvimento

O estudo com participantes não foi realizado em circuito fechado com um robô físico. Os participantes assistiram a trajetórias simuladas porque alguns métodos de linha de base produziram movimentos erráticos do braço; separadamente, a equipe combinou as correções deles com demonstrações de especialistas coletadas em um Franka físico para aprendizado off-line. Os autores descrevem esse trabalho com hardware como uma verificação de viabilidade que dá suporte ao estudo de simulação.

Atualmente, o FLEX se limita à manipulação quase estática de objetos rígidos cujas propriedades relevantes podem ser expressas em linguagem; tarefas dinâmicas e objetos deformáveis podem exigir modalidades adicionais. Os autores afirmam que o conhecimento de senso comum dos modelos de linguagem pode contemplar preferências amplamente compartilhadas, mas falhar diante de preferências pessoais ou contraintuitivas. Um pedido para manter uma distância ainda maior de um laptop também expressa o grau de preferência, algo que a formulação atual não capta.

A página do projeto dos autores ainda está marcada como em desenvolvimento e informa que o código e o conjunto de dados estarão disponíveis em breve.

Para robôs domésticos e assistivos, um número menor de correções só é útil quando a preferência inferida corresponde ao que realmente importa para o usuário. A principal questão em aberto é se as generalizações dos modelos de linguagem conseguem acomodar preferências idiossincráticas com a mesma consistência durante a operação em malha fechada de robôs físicos.