Des LLM aident les robots à comprendre des instructions vagues et à se concentrer sur les détails clés
Des chercheurs du Laboratoire d’intelligence artificielle et d’informatique du MIT (CSAIL) ont développé une nouvelle approche pour enseigner aux robots comment exécuter des tâches en utilisant moins de données de démonstration. Leur méthode, appelée « Masked Inverse Reinforcement Learning » (Masked IRL), utilise des modèles de langage pour clarifier les instructions ambiguës et permettre aux robots d’apprendre efficacement à partir de démonstrations physiques.
Dans un contexte où les robots pourraient travailler aux côtés des humains dans des environnements tels que des bureaux ou des entrepôts, la capacité à comprendre des instructions vagues est cruciale. Par exemple, si un robot doit apporter un café sans déranger un utilisateur pendant un appel vidéo, il doit être formé pour éviter de s’approcher trop près de l’ordinateur portable.
Les chercheurs ont constaté que, traditionnellement, les robots apprenaient à partir de démonstrations physiques ou d’instructions détaillées, mais l’absence de l’un ou l’autre pouvait entraîner des malentendus. En automatisant le processus d’enseignement, Masked IRL réduit le besoin d’instructions détaillées et permet aux robots de se concentrer sur les éléments essentiels de la tâche.
Cette méthode a permis aux robots d’identifier les préférences des utilisateurs, même celles qui n’étaient pas explicitement mentionnées, jusqu’à 15 % plus souvent que les méthodes comparables. Les simulations ont montré que Masked IRL apprenait plus rapidement, nécessitant moins de démonstrations pour maîtriser une tâche.
Les chercheurs prévoient également d’améliorer leur système en intégrant des caméras, permettant aux robots de percevoir leur environnement et de se concentrer sur les éléments pertinents lors de l’exécution des tâches.
Cette recherche a été soutenue par le Tata Group et le Département de la Défense des États-Unis. Les résultats seront présentés lors de la Conférence internationale sur la robotique et l’automatisation de l’IEEE en juin 2026.
Source : MIT News
