大语言模型帮助机器人理解模糊指令并聚焦关键细节

麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员提出了一种名为“掩蔽逆强化学习”（Masked IRL）的新方法，利用两个大语言模型自动澄清用户的模糊指令，并过滤无关信息，从而减少机器人学习新任务所需的人工演示数据量。该方法在仿真和真实机器人实验中表现出色，能更准确地理解用户未明确表达的偏好，并安全地执行任务。