通过定义一组离散且临时的闭环控制器（称为 “任务”）以及引入一种对物理学和因果关系具有内在理解的监督模块，我们提出了一种解决在机器人技术中尚未实现的，使用纯闭环输入控制的复杂计划执行方法。我们通过模拟任务序列的执行并将结果存储在环境模型中，基于该模型构建计划，从而可以实现链式的临时闭环控制器。该框架已经在一个真实机器人上实施，并在两个场景中进行了概念验证。

Feb, 2024

通过将自然语言生成分为计划和实现两个步骤，该论文通过自动和人工评估证明了比端到端方法更好的表现，从而达到实现进行开放式对话系统真正类似于人类的能力的目标。

Sep, 2020

通过使用 MuJoCo 物理引擎和高质量渲染器 Blender，我们引入一个新的模拟环境，以提供既逼真又准确反映物理环境状态的视觉观察。除此之外，我们还提出了一个由 10 类多步骤推理场景构成的新基准，并开发了一种新的模块化闭环交互式推理（CLIER）方法，考虑到非视觉对象属性的测量、外部干扰引起的场景变化以及机器人动作的不确定结果。我们在模拟环境和实际操作任务中对我们的推理方法进行了广泛评估，并取得了分别高达 76% 和 64% 的成功率。

Apr, 2024

通过一个模拟物体检测系统的实验，我们研究了交互反馈对用户对智能系统及其准确性理解的影响，结果表明提供循环反馈降低了参与者对系统的信任和其对系统准确性的感知，这凸显了在设计智能系统时考虑用户反馈对用户信任的影响的重要性。

Aug, 2020

通过使用领域无关的 AI 规划来创建自动化的对话计划，使得具备个性化、定制化和上下文相关互动要求的更复杂多轮对话应用（如职业指导或旅行规划）得以实现。

Feb, 2019

本文通过引入多智能体训练框架，提出交互式学习作为一种替代奖励或演示驱动学习的方法，并通过一系列实验展示了信息共享、信息查询和问答等交互学习行为的出现，最终发现该方法可以使得自主智能体在不需要显式演示或奖励函数的情况下，与人类合作执行任务并获得更好表现的能力。

Jun, 2019

本研究利用强化学习技术结合最先进的自然语言理解模型创造了一个实时的对话系统，并在使用谷歌智能助手的实验中，使用众包数据进行训练，显著超越了强化模型，证明其对于自然人对话有较高的开放性和可行性。

Jul, 2022

本文提出了 AdaPlanner，一种基于闭环反馈的语言模型智能体自适应地改进生成的计划，并通过新的技能发现机制，使其能够在更复杂的任务和环境中实现更好的连续决策性能，实验结果表明 AdaPlanner 在 ALFWorld 和 MiniWoB++ 环境中优于现有的基线算法。

May, 2023

探讨如何训练端到端的增强学习算法，提供了分类人类干预模式的模型，结合了不同的人机交互方式，定义了不同模式间的切换标准。

Aug, 2018

本文提出了一种使用规划技术处理说明性对话代理的方法，从模型征集到生成的计划的执行，涵盖过程的所有方面，同时介绍了一种全新的计划编码方法、多种规划接口和一个强健的执行者。

Oct, 2019