想象一下，一个机器人正试图整理一个凌乱的卧室。对我们来说，乱糟糟的房间不过是一堆衣服、书本和玩具。但在机器人的大脑里，这简直是一场恐怖的数学爆炸。每一个物体都是一个潜在的障碍，是一个可能撞到机器人的东西，或者是一个机器人可能会意外撞倒的东西。机器人必须计算每一个物体如何与其它所有物体相互作用，从而确定如何移动。如果物体太多，数学计算就会变得极其庞大，导致机器人陷入停滞，就像电脑试图打开一个过大的文件一样。这就是“杂乱问题”（clutter problem），也是为什么机器人擅长在干净、空旷的实验室里玩耍，却在处理我们真实的、凌乱的家庭环境时表现糟糕的主要原因。科学家们一直试图教机器人忽略这些杂物，但通常这需要人类手动为机器人编写程序来忽略特定物品，而当混乱情况发生变化时，这种方法并不奏效。

现在出现了一个名为 LENS（由大语言模型引导的环境简化技术）的新想法。把 LENS 想象成一副超级聪明、带有魔力的眼镜，戴在机器人头上。与其尝试解决整个混乱房间的数学问题，机器人戴上这副眼镜后，利用一个强大的“大脑”（大语言模型）来观察场景，并询问：“对于这项特定的任务，哪些东西才是真正重要的？”如果机器人需要拿起一个红色的杯子，眼镜可能会告诉它：“忽略角落里的那堆衣物，并将那叠由三本书组成的书堆视为一个单一的整体块。”通过实时简化世界，机器人可以停止惊慌并开始工作。这篇论文表明，通过使用这种“智能眼镜”方法，机器人可以处理比以前更混乱的房间，无论它们是使用传统的基于数学的规划，还是全新的通过观看视频进行学习的 AI。

机器人的噩梦：思考负担过重

你知道当你面对一大堆作业时，因为盯着整座“大山”看而难以集中注意力吗？机器人也有同样的感受。当机器人试图在杂乱的房间里移动一个物体时，它必须思考房间里的每一件东西。那把椅子会挡住路径吗？那个玩具会滚走吗？如果有 50 个物体，机器人必须运行数百万次计算以确保不会发生碰撞。

长期以来，研究人员试图通过制造只能在非常干净、有序的房间里工作的机器人来解决这个问题。但这并不是现实生活。现实生活是凌乱的。当机器人被置于凌乱的房间中时，它们会感到困惑。它们的“视觉”变得杂乱，它们的“大脑”也会过载。它们可能会试图移动一个与任务无关的玩具，或者因为数学计算太难而陷入停滞。问题不在于机器人不够聪明，而在于它试图同时处理太多事情。

解决方案：一个神奇的过滤器

这篇论文的作者，来自宾夕法尼亚大学的 Aileen Liao 及其团队，提出了一个聪明的解决方法，叫做 LENS。他们并没有试图让机器人变得更擅长处理所有事情，而是决定让世界对机器人来说变得更小。

想象你在玩电子游戏，但屏幕上充满了角色和道具，多到让你看不清目标。这时你戴上了一个滤镜，它会模糊掉所有不重要的东西。突然间，你可以清晰地看到路径了。LENS 为机器人做的正是这件事。它使用一种特殊的 AI（称为视觉-语言模型）来观察场景，并决定保留什么以及丢弃什么。

LENS 通过两种主要方式来简化场景：

1. 剪枝（丢弃）： 如果一个物体离得很远或者与任务无关，LLENS 会告诉机器人假装它不存在。例如，如果机器人需要移动一个绿色的方块，LENS 可能会说：“忽略角落里的那个蓝球。”
2. 合并（粘合）： 有时，物体是粘在一起的，比如一叠书。与其将每本书视为一个独立的问题，LENS 会在机器人的脑海中将它们“粘”在一起，并将其视为一个单一的、较大的物体。这使得数学计算变得简单得多。

它是如何工作的：“尝试、失败、修正”循环

最酷的部分在于：LENS 不仅仅是一个一次性的过滤器。它是一个循环。机器人尝试用简化的视图执行任务。如果失败了（比如它尝试移动一叠书，结果书散架了），机器人会向“神奇大脑”发送一条消息说：“嘿，这行不通！”然后大脑会重新观察场景，意识到自己犯了错（也许它剪枝掉了不该剪的东西，或者合并了不该合并的东西），并更新过滤器。这就像人类尝试解开一个谜题，意识到某个碎片放错了位置，然后再次尝试。

研究人员通过三种不同的方式测试了它：

• 规划： 他们将其与一个使用逻辑来确定步骤的经典规划系统结合使用。
• 控制： 他们将其与一个实时控制机器人肌肉的系统结合使用。
• 学习： 他们将其与一种通过观看视频学习的现代 AI（称为视觉-语言-动作模型）结合使用。

他们的发现

结果非常令人印象深刻。在实验中，带有 LENS 的机器人在处理杂乱房间时表现得比没有 LENS 的机器人好得多。

• 速度： 当房间中的物体数量增加时，没有 LENS 的机器人变得越来越慢。在有 7 个物体时，它们需要超过 4,000 秒（超过一个小时！）来弄清楚该做什么。而带有 LENS 的机器人始终保持快速，无论有多少物体，仅需约 40 到 135 秒。
• 成功率： 在一个凌乱的房间里，没有 LENS 的机器人经常完全失败。有了 LENS，机器人的成功率大大提高。例如，在一个机器人需要将绿色碗移动到红色盘子的测试中，没有 LENS 的机器人会被挡路的其它碗弄糊涂。而带有 LENS 的机器人则忽略了多余的碗，顺利完成了任务。
• 真实机器人： 他们甚至在真实的物理机器人上测试了这一点，而不只是在计算机模拟中。机器人能够推动杂物中的物体并捡起毛绒玩具，成功地忽略了干扰。

这为什么重要

这篇论文表明，我们不一定需要制造更“聪明”的机器人来应对现实世界。相反，我们可以教它们学会更好地“忽略”事物。通过给机器人一种能够根据其正在执行的任务来动态简化世界的方法，我们可以让它们在凌乱的家中变得更加有用。这有点像一位优秀的老师帮助学生专注于课程中最重要的部分，而不是试图一次性背诵整本教科书。

作者们谨慎地指出，这目前还不是一个完美的解决方案。有时机器人仍然会犯错，而“神奇大脑”可能需要尝试几次才能得到正确的过滤器。但这迈出了巨大的一步。它表明，通过将理解语言的能力与简化场景的能力相结合，我们可以弥合实验室机器人与能够真正协助我们日常生活的机器人之间的差距。