本文提出了一个系统，用于生成和理解机器人交互设置中的动态和静态空间关系。机器人使用涵盖如 “跨越” 和 “在前面” 等空间关系的英语短语描述移动方块的环境。我们在机器人之间进行了系统评估，展示了该系统可以稳健处理视觉感知错误、语言遗漏和不符合语法的话语。

Jul, 2016

本文介绍了一个新的数据集和一种神经网络结构，用于解决将自然语言指令映射到二维或三维块世界内的复杂空间操作问题。

Dec, 2017

提出了一种新的方法，通过使用时间空间感知的动态知识并利用服务信息来改善对话系统，构建请求并生成全球感知响应，使其行为更像人类。通过使用 DuSinc 开放领域的人类对话数据集进行自动和人类评估，发现服务信息显著提高了对话系统的一致性，信息量，事实性和参与度，相比于没有时间空间感知的动态知识的预训练模型，整体会话水平得分提高了 60.87％。

Jun, 2022

本文提出了一个自然语言文本中空间推理的问答基准，其中包含更现实的空间现象，并且挑战最先进的语言模型。我们提出了一种远距离监督方法来改善这个任务。具体来说，我们设计语法和推理规则来自动生成视觉场景的空间描述和相应的问答配对。实验证明，进一步预训练语言模型对这些自动生成的数据显著提高了语言模型对空间理解的能力，从而有助于更好地解决两个外部数据集，即 bAbI 和 boolQ。我们希望这项工作能够推动更复杂的文本空间推理模型的研究。

Apr, 2021

本研究通过提出一个包含建议的协议来增加物理基础语言理解任务的交互带宽，并在块世界任务上评估了该方法的有效性，发现简单的建议可以显著提高任务性能，同时也探讨了模型自动生成建议以减少提供建议的工作量。

May, 2019

本文提出了一种自动回答关于图像的问题的方法，该方法结合了自然语言处理和计算机视觉的最新进展，采用多世界方法将离散推理与不确定预测结合起来，并在贝叶斯框架下表示对感知世界的不确定性。该方法能够处理有关现实场景的高难度的人类问题，并以计数、物体类别、实例和它们的列表等答案的范围进行回复。该系统直接从问题 - 答案对中进行训练。我们建立了该任务的第一个基准，可视为现代视觉图灵测试的一种尝试。

Oct, 2014

本文提出了一种基于自然语言问题的问答引擎，用于处理大量地理空间数据的查询，该引擎可以对连接的地理空间数据源进行查询，采用 SPARQL 或 OGC 标准扩展 GeoSPARQL，研究者们可以使用我们提供的 201 个自然语言问题数据集来评估该引擎的性能。

Jul, 2020

研究在家庭、办公室和远程场景中执行自然语言指令的模型，探讨基于 Bisk-2016 数据集语言和空间世界表示学习的源块分类和目标位置回归的新型模型，CNN 和双重注意力模型用于计算世界块和指令短语之间的对齐，深度比较了两种推理方法并取得了最新的业内最佳效果。

Jul, 2017

本研究提出了一种问题回答框架，在地理领域，将土耳其自然语言输入转换为 SPARQL 查询。同时，开发了一种新颖的土耳其本体论，用作链接数据提供者，将自然语言处理技术与链接数据技术相结合以生成答案的混合系统体系结构也被提出。

Jan, 2023

在 3D 视觉语言的年轻领域中，我们将问题回答的任务转变为序列生成任务，以生成自由形式的自然答案来回答 3D 场景中的问题（Gen3DQA）。我们直接优化我们的模型以获得全局句子语义，并使用一种实用的语言理解奖励来进一步提高句子质量。我们的方法在 ScanQA 基准上达到了新的最佳性能（测试集的 CIDEr 得分为 72.22/66.57）。

Oct, 2023