MIT 团队提出 FLEX 管线，让机器人用自然语言纠错迭代修正任务表征

andreea7b · x · 2026-11-11

CoRL 2026 上 MIT CSAIL 的 Audrey Lee 等人展示论文《Flexible Language-Guided Representation Editing for Adaptive Robot Behavior》。核心问题：轨迹演示只告诉机器人「怎么做」，不说明「为什么」，机器人可能猜错哪些任务特征真正重要，导致内部表征错位、行为不符预期。

作者主张用自然语言而非更多演示来指定任务特征，并提出 FLEX（Flexible Feature Editing Pipeline）：利用语言模型通过三种互补操作迭代修正机器人的任务特征表征——补充缺失特征、泛化过窄特征、屏蔽无关特征。评测覆盖 2D 导航、7 自由度 Franka 桌面操作和真实机器人+人类自然语言纠错研究；结果显示三种操作在交互场景缺一不可，FLEX 的归一化奖励稳定高于单一操作和无支撑基线，且表征更紧凑、可迁移。