提出了 Cooperative Vision-and-Dialog Navigation 数据集，定义了 Navigation from Dialog History 任务，使用序列到序列模型解决人机对话中机器人导航的问题，并进一步证明历史对话越长，性能越好。

Jul, 2019

提出了一种名为 BotsTalk 的新框架，其中多个代理参加交谈以自动注释多技能对话，并展示了一个名为 BSBT 的大规模多技能对话数据集，通过广泛的实验表明，我们的数据集对于需要理解技能融合和技能基础的多技能对话系统非常有效。

Oct, 2022

该论文介绍了一种基于自然语言对话的机器人定位与导航任务基准测评 RobotSlang，并提出了从对话历史记录中学习的自适应定位与导航。研究结果表明，通过该方法可以训练出可控制实际机器人平台的智能体。

Oct, 2020

TacoBot 是一个任务导向的用户中心数字助理，旨在通过多个步骤引导用户完成复杂的现实任务，通过语言理解、对话管理和响应生成组件支持一个协作和有吸引力的对话体验。为了增强对话体验，我们使用 LLMs 探索了一系列数据增强策略，以持续训练先进的神经模型。TacoBot 是我们在首届 Alexa Prize TaskBot 挑战赛中获得第三名的成功基础上构建的，我们提供 TacoBot 作为一个开源框架，可作为部署任务导向对话系统的实际示例。

Jul, 2023

TacoBot 是一个任务导向的对话系统，旨在协助用户完成多步骤的烹饪和家庭维护任务，它具备准确的语言理解、灵活的对话管理和引人入胜的响应生成，通过各种数据增强策略来训练先进的神经语言处理模型并持续改进对话体验。在半决赛结束时，TacoBot 的平均评分为 3.55/5.0。

Jul, 2022

本文介绍了一个机器人平台，该平台将对话型人工智能代理程序嵌入具备自然语言理解和智能决策能力的实体系统中，以整合任务规划和类人对话。该代理程序基于大型语言模型，通过学习了解广泛的一般知识。除了生成对话，此代理程序还可通过对机器人执行指令与物理世界进行交互，将沟通与行为无缝融合。此系统在自由形式的导游场景中进行了演示，在将带有和不带有对话型人工智能能力的机器人相结合的人机交互研究中进行了测试，并通过整体效果、探索能力、审核能力、拟人化接受度和适应性等五个维度进行了测量。

Oct, 2023

本文介绍了 Tutoring bot，这是一个基于大规模家教 - 学生对话数据训练的生成式聊天机器人，用于辅助英语学习。机器人通过多种教育指导和背景知识来模仿人类辅导员在语言教育中的行为，同时通过多任务学习方案来实时监测并捕捉教学情况和进展。

Feb, 2023

本文提出了一种基于机器人的常识、定性推理和空间模型的认知自主导航系统，可以在室内复杂的环境中以自然语言生成实时的信息，实现机器人与人的有效沟通。

Sep, 2017

BotSIM 是一种数据高效的端到端 Bot 模拟工具包，用于商业文本任务导向对话系统，其包括生成器、基于议程的对话用户模拟器和修复程序，加速端到端 Bot 评估和迭代过程。

Nov, 2022

我们提出了一种新颖的基于 AI 的聊天机器人学习模式，用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式，在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估，证明了我们的系统在传递知识和关注用户方面的有效性，帮助用户在不阅读文章的情况下大大提高知识水平。

May, 2022