MIT最新研究成果 机器人能够从错误中纠偏 无需编程介入和重复演示

目前科学家们正在努力让机器人变得更加智能，教会他们完成诸如擦拭桌面，端盘子等复杂技能。以往机器人要在非结构化环境执行这样的任务，需要依靠固定编程进行，缺乏场景通用性，而现在机器人的学习过程主要在于模仿，即通过观看人类的演示，录入到程序当中进行训练，进而掌握和人类相同的运动技能。

事实上，机器人应该是一个出色的模仿者。但如果工程师未对机器人进行编程，使其适应各种可能的碰撞与轻微推动，则机器人在处理这些情况时可能表现不足，机器人无法处理这些行为时会回到原点重新进行任务。

针对这一问题，麻省理工学院的工程师尝试教会机器人一定的常识认知能力，以此来应对在遭到碰撞或推动时能够偏离预设路径。他们研发了一种创新方法，将机器人的运动数据与大型语言模型（LLM）的“常识性知识”相结合，来增强机器人的应变能力。

融合LLM功能之后机器人如何拾取和放置红色罐子

采用该研究方法，机器人能够从逻辑上将许多给定的家庭任务解析为子任务，并对子任务中突然的干扰行为进行物理调整，这样机器人就能继续执行指令，而无需回归初始状态重新执行整个操作，此外工程师也不需要为中途出现的每一个突发情况来编写修复程序。

机器人遇到人为干扰可自动纠正错误

模仿学习是目前家用机器人的主要学习方法，但这种学习方法也有一定的风险，如果盲目模仿