FLEX让机器人学会从人类纠正中进行泛化

麻省理工学院和纽约大学的研究人员开发了FLEX，这是一个利用对话式纠正来修订引导机器人运动的环境特征的系统。麻省理工学院于2026年11月9日公布了这项研究，并将于2026年11月在机器人学习大会上发表相关成果。

FLEX针对语言引导机器人技术中的一种失效情形：如果告诉一台端着咖啡的机器人不要把咖啡洒到笔记本电脑上，机器人可能会把这台电脑加入障碍物清单，却无法理解它为何重要。系统会推断出更广泛的偏好，即避开电子设备，因此模拟机械臂会调整路线，绕开笔记本电脑和附近的手机，无须另行针对手机发出指令。

编辑机器人追踪的内容

这篇论文将FLEX称为“灵活特征编辑流程”（Flexible Feature Editing Pipeline）。它将特征定义与奖励优化分开：语言纠正用于确定场景中哪些可测量属性值得关注，而示范则用于决定这些属性应在多大程度上影响运动轨迹。这种划分旨在解决表征不完整、纳入过多无关特征，或抽象层级不恰当的问题。

每次纠正都会经过ADD、GENERALIZE和MASK三个步骤。ADD会检查现有特征能否解释这项纠正；如果不能，语言模型就会提出缺失的特征，并生成用于计算该特征的代码。GENERALIZE会将过于具体的特征替换为与推断出的意图相符的特征。在麻省理工学院举的保龄球例子中，针对马克杯的约束会转变为避开易碎物品。MASK则会移除不再相关的特征。

最后运行MASK，意味着相关性判断针对的是经过泛化处理后的特征。实验使用了GPT-4o；麻省理工学院报告称，完整的三步交互耗时约五秒。

主持这项研究并领导麻省理工学院协作学习与自主研究实验室的Andreea Bobu，将这一设计与家庭场景联系起来：“每个人的家都不一样，每个人在意的事情也各不相同，因此机器人出厂时不可能就知道什么对你重要。FLEX让我感到兴奋的地方在于，它只需听你说一两句话就能了解这些，而不是让你把每条规则都解释清楚——这正是人们勉强容忍的机器人与真正愿意让它待在家里的机器人之间的区别。”

模拟实验结果与用户评分

研究人员在9×9导航网格中测试了FLEX，也测试了模拟的七自由度Franka桌面任务，任务涉及咖啡、点燃的蜡烛和保龄球。机械臂场景采用五阶段纠正序列，各阶段之间会改变物体摆放方式，使原先有用的特征可能变得无关，或让隐藏的错位问题显现出来。

比较对象包括只执行添加操作的ALGAE、只执行屏蔽操作的Mask-From-Exhaustive（MFE），以及一个不设步骤引导的基线方法；该方法会在一次查询中要求语言模型生成一套完整的更新后特征。其归一化奖励指标将最优行为记为1，将最差轨迹记为0。

论文报告称，在全部七种导航场景中，FLEX的平均归一化奖励均为最高。在需要执行全部三种操作的场景中，FLEX的平均值为0.99，而ALGAE为0.69、MFE为0.83，不设步骤引导的基线方法为0.78。

作者报告称，在连续机械臂模拟实验中，FLEX通常只需一到两次纠正就能学会目标奖励，并能在先前和后续的配置中保持表现。相比之下，其他方法需要更多次纠正；随着无关特征不断累积，或表征对个别阶段过度拟合，其性能也会下降。

另一项线下研究共有12名参与者。每位参与者都分别使用FLEX、ALGAE和MFE，在三个各含五个阶段的区块中输入文字纠正。研究人员报告称，FLEX在问卷的五个维度上都获得了最高平均评分。在满分为7分的意图理解评分中，FLEX、ALGAE和MFE的平均分分别为6.3、5.0和4.5。经过多重比较校正后，FLEX与两个基线方法之间的差异均具有统计学显著性。易用性和协作性方面的差异则不具有统计学显著性。

证据局限与研发进展

这项人体研究并未在实体机器人上进行闭环测试。由于一些基线方法会导致机械臂动作不稳定，参与者观看的是模拟轨迹；研究团队另行将参与者的纠正与在实体Franka上采集的专家示范相结合，用于离线学习。作者称，这项硬件工作是一项可行性验证，为模拟研究提供支持。

目前，FLEX仅适用于刚性物体的准静态操作，且相关属性必须能够用语言表达；动态任务和可变形物体可能需要额外的模态。作者表示，语言模型凭借常识能够处理广泛共享的偏好，但面对个人化或违反直觉的偏好时可能会失效。要求机器人与笔记本电脑保持更远距离，也表达了偏好的强弱程度，而当前的建模方法尚无法捕捉这一点。

作者的项目页面仍标注为正在完善中，并注明代码和数据集即将推出。

对于家用机器人和辅助机器人来说，只有当推断出的偏好符合用户真正重视的事项时，减少纠正才有用。一个尚待解答的核心问题是：在实体机器人进行闭环运行时，语言模型的泛化能力能否始终如一地适应个性化偏好。