TidyBot家庭服务机器人完成房间整理

为了使机器人有效地服务人类，它需要学习用户偏好，这些偏好可以更好地应用于场景。Google、斯坦福大学、普林斯顿大学、哥伦比亚大学等联合研究这项工作，通过了解家庭清洁的个性化需求，机器人可以通过收拾物品来整理房间。

这里关键的挑战是确定放置每个物品的适当位置，因为人们的偏好可能会因个人喜好或文化背景而有很大差异。例如，一个人可能更喜欢将衬衫存放在抽屉里，而另一个人可能更喜欢将它们放在架子上。我们的目标是建立系统，通过与特定人的先前互动，从少数几个例子中学习这些偏好。

结果表明，机器人可以将基于语言的规划和大型语言模型（LLM）的功能相结合，以推断广泛适用于未来交互的广义用户偏好。这种方法可以快速适应，并在基准数据集中对看不见的物体实现 91.2% 的准确率。这里用一个名为TidyBot的真实移动操作器演示了该方法，该操纵器在真实世界的测试场景中成功地收起了85.0%的对象。