為了使機器人有效地服務(wù)人類，它需要學(xué)習(xí)用戶偏好，這些偏好可以更好地應(yīng)用于場景。Google、斯坦福大學(xué)、普林斯頓大學(xué)、哥倫比亞大學(xué)等聯(lián)合研究這項工作，通過了解家庭清潔的個性化需求，機器人可以通過收拾物品來整理房間。

這里關(guān)鍵的挑戰(zhàn)是確定放置每個物品的適當位置，因為人們的偏好可能會因個人喜好或文化背景而有很大差異。例如，一個人可能更喜歡將襯衫存放在抽屜里，而另一個人可能更喜歡將它們放在架子上。我們的目標是建立系統(tǒng)，通過與特定人的先前互動，從少數(shù)幾個例子中學(xué)習(xí)這些偏好。

結(jié)果表明，機器人可以將基于語言的規(guī)劃和大型語言模型（LLM）的功能相結(jié)合，以推斷廣泛適用于未來交互的廣義用戶偏好。這種方法可以快速適應(yīng)，并在基準數(shù)據(jù)集中對看不見的物體實現(xiàn) 91.2% 的準確率。這里用一個名為TidyBot的真實移動操作器演示了該方法，該操縱器在真實世界的測試場景中成功地收起了85.0%的對象。