该论文介绍了一种将自然语言命令翻译成离散机器人动作的方法,并使用澄清对话共同改进语言解析和概念基础。将这个代理程序训练和评估在亚马逊的 Mechanical Turk 平台上的虚拟环境,并在真实环境中将学习到的代理迁移到物理机器人平台进行演示。
Mar, 2019
探索交互式人工智能与人类协作的方向,研究在基于 Minecraft 世界的交互式语言理解任务中,人类可以提供哪些类型的辅助帮助,以提高 AI 行为的性能和表现。
Apr, 2023
本文旨在研究自然语言交互与认知机器人、知识表达形式、计划工具和翻译过程的结合应用,以提高其在日常生活中的任务完成效率。
May, 2022
本文提出了一个新的学习框架,使得机器人可以成功地遵循自然语言路线指令,而无需任何先前环境的知识。该算法利用通过命令传达给机器人的空间和语义信息来学习关于空间扩展环境的度量和语义属性的分布,并将自然语言指令解释为关于预期行为的分布。通过对地图和状态分布进行推理,使用模仿学习的新型置信空间规划器直接求解策略,我们在可声控轮椅上评估了我们的框架。结果表明,通过学习和推理潜在的环境模型,该算法能够成功地遵循新颖的扩展环境中的自然语言路线指令。
Mar, 2015
研究人员在机器学习和自然语言理解方面的不懈探索中探讨了基于对话的语言学习,发现预测前瞻是一种有前途的学习策略,并表明它可以在没有奖励监督的情况下正确地回答问题。
Apr, 2016
该文提出了一种通过注入领域知识的方式来改善基于文本游戏中的智能代理的实现过程,并考虑了多种不同的注入策略,包括知识图谱和输入编码策略的增强,实验结果在 ScienceWorld 文本游戏环境中得到证明。
May, 2023
该研究旨在探索将机器人与人类环境进行自然语言交互以实现无缝操作的关键挑战,通过使用多变压器模型和 BART 语言模型,我们在执行对话历史任务上取得了显著的改进,并提出了一种新的任务扩展方法通过预测游戏计划来促进任务解决。
Nov, 2023
本论文提出了一种利用大型语言模型进行机器人交互的方法,用于解决理解语义知识和实现机器人任务之间的矛盾问题,其中引入了基于概率过滤的策略来采用语言模型和基于物理环境的模型两者的优势,通过指导解码策略可以实现复杂的机器人长视程任务。
Mar, 2023
通过语言建模,本研究旨在提高 Minecraft 数据集中群体构建任务的任务理解,这些模型集中于基于多模态理解和任务导向对话理解任务,展示了比现有方法大幅改进的实验结果,为未来研究指明了一个有前景的方向。
Feb, 2024
本文探讨了使用增强学习的方式,通过与人类交互并接受其反馈来提高对话代理的能力,模拟了在人工环境中的各种学习情况,介绍了适用于此类学习的模型,并通过机械土耳其实验验证了此方法。
Nov, 2016