MIT 与纽约大学的研究团队在本月的机器人学习大会上展示了 FLEX——一种用于机器人运动规划的灵活特征编辑流水线。用户只需用自然对话式语言给机器人下指令，机器人不仅会字面执行，还会从中抽取更高层次的意图。\n\n在模拟场景中，机器人臂需要端送咖啡杯。当用户输入“不要把咖啡洒到笔记本上”时，FLEX 会调用大型语言模型（LLM），如 GPT‑4o，推断出液体与电子设备的组合会导致设备损坏，从而将笔记本以及附近的手机等电子产品加入规避列表。\n\nFLEX 的工作流程分三步：\n1. Add – 根据用户的自然语言指令，将相关对象加入特征列表，例如“不要把球掉在我的杯子上”会把杯子加入避让对象。\n2. Generalize – 通过 LLM 在海量文本中寻找共性，自动概括出更抽象的规则，如“避免所有易碎物”。\n3. Mask – 机器人视觉系统检测当前环境，剔除已不在场景中的对象，保持特征列表简洁。整个过程约耗时五秒。\n\n实验在三种任务（递送咖啡、搬运蜡烛、运送保龄球）中验证，志愿者仅用几句自然语言指令，机器人即可实现避免电子设备、易燃物和易碎物的高层次推理。研究表明，机器人无需预先编码所有规则，只需从少量语言提示中学习用户的偏好，从而更贴合家庭使用需求。\n\n点评：FLEX 展示了将 LLM 常识与机器人感知结合的可行路径，为实现真正以自然语言为界面的家庭助理机器人奠定了基础。