大語言模型幫助機器人理解模糊指令並聚焦關鍵細節

麻省理工學院電腦科學與人工智慧實驗室（CSAIL）的研究人員提出了一種名為“掩蔽逆強化學習”（Masked IRL）的新方法，利用兩個大語言模型自動澄清使用者的模糊指令，並過濾無關資訊，從而減少機器人學習新任務所需的人工演示資料量。該方法在模擬和真實機器人實驗中表現出色，能更準確地理解使用者未明確表達的偏好，並安全地執行任務。