Wetenschappers hebben een innovatief systeem genaamd 'Fly-by-Code' ontwikkeld, waarmee vliegende robots in staat zijn om complexere manipulatietaken uit te voeren. Door gebruik te maken van autonome codering en actieve visuele en fysieke feedback kunnen deze robots hun eigen handelingen verbeteren. In een publicatie van 8 oktober 2026 beschrijven Jaewoo Lee en een team van twaalf medeauteurs hoe deze zogenaamde 'embodied coding agents' robotica-beleid opstellen op basis van instructies in natuurlijke taal.
Volgens de details in het onderzoek op arxiv.org kampen traditionele coderingsagenten vaak met grote hindernissen bij taken in de lucht. Een belangrijk probleem is de beperkte observeerbaarheid; door gewichtsbeperkingen van de robot zijn de camera's aan boord vaak niet in staat om het volledige resultaat van een actie vast te leggen. Daarnaast maken sterke dynamische koppelingen en krappe controlemarges fysieke interacties kwetsbaar. Hierdoor is het voor een AI-agent vaak onduidelijk waarom een specifieke handeling is mislukt, wat het corrigeren van de broncode bemoeilijkt.
Om deze informatiekloof te overbruggen, hebben de onderzoekers het Active Feedback (AF)-raamwerk geïntroduceerd. Dit systeem hanteert een methode die 'View and Probe' wordt genoemd. Wanneer de resultaten van een actie onduidelijk blijven, genereert de agent een specifiek diagnostisch programma. Dit programma wordt eerst in een simulatie getest om resultaten vanuit nieuwe hoeken te bekijken (View) en om hypothesen over fouten te testen via gerichte fysieke interacties (Probe).
De resultaten van deze aanpak zijn significant. Bij zes verschillende gesimuleerde taken voor luchtmanipulatie, waarbij per conditie 60 pogingen werden gedaan, zorgde de AF-methode voor een sterke daling in foutieve meldingen van voltooiing, van 25 naar 5. Het uiteindelijke succespercentage steeg bovendien van 31,7% naar 75% in vergelijking met systemen die enkel vertrouwen op terminale feedback.
Een cruciaal onderdeel van het project is de directe overdraagbaarheid van de software. Dankzij gedeelde robot-API's konden programma's die in simulaties waren geoptimaliseerd, zonder aanpassingen aan de broncode worden uitgevoerd op een fysieke vliegende manipulator. Dit stelt de robot in staat om meerstaps manipulatietaken in de fysieke wereld succesvol af te ronden.
Deze ontwikkeling past in een bredere trend waarbij kunstmatige intelligentie steeds vaker wordt ingezet voor het optimaliseren van code. In de professionele sector wordt dit proces ondersteund door geavanceerde tools zoals visualstudio.com, die AI-agenten integreren om de productiviteit van ontwikkelaars te verhogen.
Parallel aan deze technische vooruitgang is er een beweging om AI-kennis toegankelijker te maken voor het grote publiek. Zo zet code.org initiatieven zoals de 'Hour of Code' om naar de 'Hour of AI'. Via interactieve projecten, waaronder muzieklabs en Minecraft-tutorials, leren studenten hoe zij AI kunnen inzetten voor het bouwen van applicaties of het genereren van beats.
De introductie van Fly-by-Code bewijst dat de combinatie van natuurlijke taal, autonome programmering en fysieke feedback de weg vrijmaakt voor robots die niet enkel blindelings instructies opvolgen, maar actief leren van hun eigen interacties in een complexe omgeving.