LLMs help robots understand vague instructions and focus on key details

MIT CSAIL researchers developed 'Masked Inverse Reinforcement Learning' (Masked IRL), a system that uses two LLMs to help robots interpret vague human instructions and identify which environmental details matter for task execution. The first LLM elaborates on ambiguous prompts based on kinesthetic demonstration data, while the second scores environmental elements as relevant or irrelevant, masking unnecessary details. This approach requires nearly five times less demonstration data than comparable methods and outperformed baselines by up to 15% in correctly identifying unstated user preferences. A real robotic arm trained on 50 demonstrations successfully navigated around obstacles like laptops while completing tasks such as moving cups and wiping tables.

Nguồn: https://news.mit.edu/2026/llms-help-robots-understand-vague-instructions-and-focus-key-details-0626. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.

Đề xuất cho bạn

Rust3322 phút20 giờ trướcAI

The many journeys of learning Rust

Nghiên cứu định tính từ nhóm Rust về cách các nhà phát triển học ngôn ngữ Rust thông qua phỏng vấn và khảo sát, nổi bật các con đường học tập (tò mò, chuyển đổi công việc, áp dụng tổ chức), khó khăn thường gặp (quên thói quen OOP, 'clone guilt'), vai trò của borrow checker và trợ lý AI (LLMs), cũng như chiến lược đào tạo nhóm. Bài viết cũng đề cập đến tình trạng 'bỏ cuộc thầm lặng' và ảnh hưởng của cộng đồng đến sự gắn bó lâu dài, đồng thời đưa ra khuyến nghị cải thiện tài liệu học tập.

Những kinh nghiệm thực tế từ các lập trình viên học Rust sẽ giúp bạn hiểu rõ cách vượt qua thách thức từ bản chất mới của ngôn ngữ và xây dựng chiến lược học tập hiệu quả.

#llm