FLEX, Robotlara İnsan Düzeltmelerinden Genelleme Yapmayı Öğretiyor

MIT ve New York Üniversitesi araştırmacıları, robotun hareketlerine yön veren çevresel özellikleri konuşma yoluyla verilen düzeltmelerle güncelleyen FLEX adlı bir sistem geliştirdi. MIT, çalışmayı 9 Kasım 2026’da duyurdu; sistemin Kasım 2026’da Robot Öğrenimi Konferansı’nda sunulması planlanıyor.

FLEX, dil yönlendirmeli robotikte görülen bir sorunu ele alıyor: Kahve taşıyan bir robota dizüstü bilgisayara kahve dökmemesi söylendiğinde, bu nesne engel listesine eklenebilir; ancak neden önemli olduğu anlaşılmayabilir. Sistem, elektronik cihazlardan kaçınmaya yönelik daha genel bir terciği çıkarıyor. Böylece simülasyondaki robot kolu, ayrıca telefona özgü bir talimat verilmesine gerek kalmadan hem dizüstü bilgisayarın hem de yakındaki bir telefonun çevresinden geçecek şekilde rotasını ayarlıyor.

Robotun İzlediği Özellikleri Düzenlemek

Makale, FLEX adını Flexible Feature Editing Pipeline (Esnek Özellik Düzenleme Hattı) ifadesinin kısaltması olarak açıklıyor. Sistem, özelliklerin belirlenmesini ödül optimizasyonundan ayırıyor: Dil yoluyla verilen düzeltmeler, bir sahnenin hangi ölçülebilir özelliklerinin önemli olduğunu belirlerken gösterimler bu özelliklerin robotun hareket rotasını ne ölçüde etkilemesi gerektiğini ortaya koyuyor. Bu ayrım; eksik, ilgisiz özelliklerle gereğinden fazla tanımlanmış ya da yanlış soyutlama düzeyinde olan temsilleri hedefliyor.

Her düzeltme ADD, GENERALIZE ve MASK aşamalarından geçiyor. ADD, mevcut özelliklerin düzeltmeyi açıklayıp açıklamadığını kontrol ediyor; açıklayamıyorsa bir dil modeli eksik bir özellik öneriyor ve bu özelliği hesaplayacak kodu üretiyor. GENERALIZE, gereğinden fazla özgül bir özelliği çıkarılan niyetle bağlantılı bir özellikle değiştiriyor. MIT’nin bowling topu örneğinde, yalnızca kupaya yönelik bir kısıtlama kırılabilir nesnelerden kaçınma kuralına dönüşüyor. MASK ise artık geçerli olmayan özellikleri kaldırıyor.

MASK’in son aşamada çalıştırılması, uygunluk kararlarının genelleme sonrasındaki özelliklere uygulanmasını sağlıyor. Deneylerde GPT-4o kullanıldı; MIT, üç aşamalı etkileşimin tamamlanmasının yaklaşık beş saniye sürdüğünü bildiriyor.

Çalışmayı yürüten ve MIT’nin İşbirlikçi Öğrenme ve Özerklik Araştırma Laboratuvarı’nın başında bulunan Andreea Bobu, bu tasarımı evlerde kullanım bağlamında şöyle değerlendirdi: “Herkesin evi farklı, herkes farklı şeyleri önemsiyor; dolayısıyla hiçbir robot kutudan çıktığında sizin için neyin önemli olduğunu bilmez. FLEX’te beni heyecanlandıran şey, her kuralı tek tek açıklamanızı istemek yerine bunu bir iki cümleden anlayabilmesi — insanın katlandığı bir robotla evinde gerçekten istediği robot arasındaki fark da bu.”

Simülasyon Sonuçları ve İnsan Değerlendirmeleri

Araştırmacılar FLEX’i 9’a 9’luk gezinme ızgaralarında ve kahve, yanan bir mum ve bowling topunun yer aldığı, yedi serbestlik dereceli Franka masaüstü görevlerinin simülasyonlarında test etti. Robot kolu senaryolarında beş aşamalı düzeltme dizileri kullanıldı. Önceden yararlı olan bir özelliğin geçerliliğini yitirebilmesi veya gizli bir uyumsuzluğun ortaya çıkabilmesi için nesnelerin konumu aşamalar arasında değiştirildi.

Karşılaştırmalarda yalnızca ekleme yapan ALGAE, yalnızca maskeleme yapan Mask-From-Exhaustive (MFE) ve dil modelinden tek bir sorguda güncellenmiş özelliklerin tamamını isteyen, aşamalı yönlendirme içermeyen bir temel yöntem yer aldı. Normalize edilmiş ödül ölçütünde en iyi davranışa 1, en kötü durumdaki rotaya ise 0 puan veriliyor.

Makale, FLEX’in yedi gezinme senaryosunun tümünde en yüksek ortalama normalize edilmiş ödül değerine ulaştığını bildiriyor. Üç işlemin de gerektiği senaryoda FLEX’in ortalaması 0,99 olurken ALGAE 0,69, MFE 0,83 ve aşamalı yönlendirme içermeyen temel yöntem 0,78 ortalama elde etti.

Yazarlar, ardışık robot kolu simülasyonlarında FLEX’in hedef ödül işlevini genellikle bir veya iki düzeltmeden sonra öğrendiğini ve önceki ve sonraki yapılandırmalardaki performansını koruduğunu bildiriyor. Karşılaştırma yöntemleri daha fazla düzeltme gerektirdi; ilgisiz özellikler biriktikçe veya temsilleri tek tek aşamalara aşırı uyum sağladıkça performansları düştü.

Ayrı olarak yürütülen yüz yüze çalışmaya 12 kişi katıldı. Her katılımcı, FLEX, ALGAE ve MFE’yi kullanan, beşer aşamalı üç blok boyunca yazılı düzeltmeler verdi. Araştırmacılar, FLEX’in anketin beş boyutunun tamamında en yüksek ortalama puanı aldığını bildiriyor. Yedi puanlık ölçekte niyeti anlama puanları FLEX için 6,3, ALGAE için 5,0 ve MFE için 4,5 oldu. Çoklu karşılaştırmalar için düzeltme yapıldıktan sonra FLEX ile her iki temel yöntem arasındaki fark istatistiksel olarak anlamlı bulundu. Kullanım kolaylığı ve işbirliğine yatkınlık puanlarındaki farklar ise istatistiksel olarak anlamlı değildi.

Kanıtların Sınırları ve Geliştirme Durumu

İnsanlarla yapılan çalışma, fiziksel bir robotla kapalı döngü biçiminde yürütülmedi. Bazı temel yöntemler robot kolunun düzensiz hareketler yapmasına yol açtığı için katılımcılar simüle edilmiş rotaları izledi. Ekip ayrıca, çevrimdışı öğrenme için katılımcıların düzeltmelerini fiziksel bir Franka robotunda toplanan uzman gösterimleriyle birleştirdi. Yazarlar, bu donanım çalışmasını simülasyon araştırmasını destekleyen bir uygulanabilirlik kontrolü olarak tanımlıyor.

FLEX şu anda, ilgili özellikleri dille ifade edilebilen katı nesnelerin yarı statik biçimde manipüle edilmesiyle sınırlı; dinamik görevler ve şekil değiştirebilen nesneler için ek kipler gerekebilir. Yazarlar, dil modellerinin sağduyuya dayalı bilgisinin yaygın olarak paylaşılan tercihlere uyum sağlayabildiğini, ancak kişisel veya sezgiye aykırı tercihlerde başarısız olabileceğini belirtiyor. Dizüstü bilgisayardan daha da uzakta durma isteği, mevcut formülasyonun hesaba katmadığı bir tercih düzeyini de ifade ediyor.

Yazarların proje sayfası hâlâ geliştirme aşamasında olarak işaretlenmiş; kodun ve veri kümesinin yakında yayımlanacağı belirtiliyor.

Ev ve yardımcı robotlarda daha az düzeltme, ancak çıkarılan tercih kullanıcının gerçekten önem verdiği şeyle örtüştüğünde işe yarar. Temel açık soru, dil modeli genellemelerinin fiziksel robotlarda kapalı döngü çalışması sırasında kişiye özgü tercihleri aynı tutarlılıkla karşılayıp karşılayamayacağıdır.