Die Präzisionswende: Wie KI lernt, zwischen den Zeilen zu lesen

Das Dual-LLM-System des MIT reduziert die Anzahl der Demonstrationsdaten um das Fünffache und liest die Nutzerabsicht 15 % genauer – ein weiteres Zeichen dafür, dass die Präzision von KI in eine neue Ära eingetreten ist.

Am 26. Juni veröffentlichte das MIT CSAIL auf der ICRA 2026 eine Arbeit, die die Art und Weise, wie Roboter von Menschen lernen, grundlegend neu definiert. Der Algorithmus heißt Maskiert im echten Leben — Maskiertes inverses Reinforcement Learning — und es leistet etwas trügerisch Einfaches, aber dennoch zutiefst Wichtiges: Es lehrt einen Roboter, Ich möchte verstehen, was du meinst, nicht nur, was du sagst..

Stellen Sie sich Folgendes vor: Sie sagen einem Roboter: „Bleib nah bei mir.“ Was bedeutet „nah bei mir“? Nah am Tisch? Nah bei Ihnen? Nah an der Wand? Herkömmliche Systeme zwingen Sie, jedes Detail genau anzugeben – oder sie raten und liegen falsch. Masked IRL löst dieses Problem mit einem Dual-LLM-Architektur das Mehrdeutigkeiten beseitigt und gleichzeitig Rauschen filtert.

Künstliche Intelligenz hat jahrelang das Sehen gelernt. Jetzt lernt sie zu verstehen – und der Präzisionssprung ist um ein Vielfaches größer, nicht nur geringfügig.

Zwei LLMs, ein Präzisionssprung

Der Durchbruch besteht nicht in einem einzelnen Modell – es ist Zwei Modelle arbeiten zusammen, wobei jede eine andere Ebene der Mehrdeutigkeit behandelt:

Das Ergebnis: ein Roboter, der nicht nur Anweisungen befolgt – erliest die AbsichtUnd die Zahlen beweisen, dass es auf einem Niveau funktioniert, das mit herkömmlichen Methoden nicht zu erreichen ist.

Die Zahlen – Präzision gemessen, nicht behauptet

50 Demonstrationen. So viele waren nötig, um einen echten Franka Emika Roboterarm darauf zu trainieren, einem Menschen Gegenstände zu reichen – dabei um Laptops herumzunavigieren, verschüttete Flüssigkeiten zu vermeiden und sichere Abstände einzuhalten – alles basierend auf Präferenzen, die der Benutzer nie explizit angegeben hat.Der Roboter lernte, was der Mensch wollte, indem er verstand, was der Mensch meinte.

Die Evolution der Präzision – Vom Sehen zum Verstehen zum Intentionieren

Maskiertes IRL ist kein isolierter Durchbruch. Es ist der jüngste Meilenstein in einem klaren evolutionären Prozess – die Präzision der KI hat sich in drei verschiedenen Phasen stetig verbessert:

Diese Woche lieferten wir zwei weitere Signale dafür, dass die „Absichtsphase“ real ist:

Fokus VLA(Nanjing, 26. Juni): Ein verkörpertes Intelligenzmodell, das nicht nur Aufgaben ausführt – essagt die Handlungsabsicht des Roboters voraus vor der Ausführung, wodurch Präzision und Stabilität in komplexen Industrie- und Logistikszenarien verbessert werden.

Armstrong Pro(Nanjing, 26. Juni): Der Lagerroboter der zweiten Generation von Zhiwang Future. Der erste Armstrong hat sein Konzept bei Chinas führendem Logistikunternehmen unter Beweis gestellt. Die Pro-Version ist bereits in einem Lager eines Fortune-500-Unternehmens im Einsatz – von der technischen Validierung bis zum kommerziellen Einsatz in nur einer Generation.

Das Muster ist unverkennbar: Jedes neue Modell ist nicht einfach nur „etwas genauer“. Es istkategorisch klüger in Bezug auf das, was zählt — Rauschen herausfiltern, Absichten vorhersagen, Mehrdeutigkeit verstehen. Präzision ist ein kumulativer, kein inkrementeller Prozess.

Warum dies das Robotik-Ökosystem verändert

Was bedeutet eine 5-mal geringere Reduzierung der Trainingsdaten konkret für die Branche?

1. Die Bereitstellungsgeschwindigkeit bricht ein. Heutzutage erfordert das Training eines Roboters für eine neue Aufgabe wochenlange Datenerfassung und Parameteroptimierung. Die Dateneffizienz von Masked IRL bedeutet Eine Aufgabe, die früher 250 Demonstrationen erforderte, benötigt jetzt nur noch 50. – und der Roboter versteht Ihre unausgesprochenen Präferenzen besser als einer, der mit 250 expliziten trainiert wurde. Der Flaschenhals ist nicht mehr der Algorithmus, sondern die Integration des Roboters in die jeweilige Situation.

2. Die Mensch-Roboter-Interaktion wird natürlich.Das aktuelle Paradigma verlangt präzise, ​​technische Anweisungen – „Gehen Sie 30 cm nach links und drehen Sie sich dann um 45°“. Masked IRL ermöglicht es Ihnen, wie ein Mensch zu sprechen: „Stellen Sie den Kaffee neben meinen Laptop, aber verschütten Sie ihn nicht.“Der Roboter ermittelt die Details selbst.Das ist es, was Roboter von Werkzeugen zu Mitarbeitern macht.

3. Lärm wird erträglich.Reale Umgebungen sind komplex – unvorhersehbare Hindernisse, sich verändernde Strukturen, unvollkommene Sensordaten. Traditionelle IRL-Methoden versagen stark, wenn sich die Bedingungen ändern. Der Maskierungsmechanismus von Masked IRL ermöglicht es dem Roboter, …robust gegenüber UmgebungsgeräuschenDenn es ist darauf trainiert, sich auf das Wesentliche zu konzentrieren und alles andere zu ignorieren. Es ist die Brücke vom Labor zur Produktionshalle.