本研究旨在构建一种在线语言学习工具，通过使用对话系统作为实践对话伙伴，为学习者提供对话体验。我们的系统可以根据用户的语言熟练程度进行自适应，并且提供自动语法错误反馈来帮助用户从他们的错误中学习。根据我们的初步用户反馈，我们的系统既实用又有趣。此外，我们还将为学习技术社区提供一个大规模的关于语言学习和语法更正的对话数据集。下一步，我们将使用强化学习算法来使我们的系统更加适应用户个人信息。

Jul, 2022

该研究提出了一个框架，用于在现实世界中建立交互式、实时的、自然语言指导的机器人，并开源相关资产 (数据集、环境、基准和策略)。

Oct, 2022

本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

Apr, 2016

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

本论文提出一种多语言对话生成系统，结合了人脸生成和文本到语音系统，可以仅通过文本输入生成多种语言的自然语音、同步口型，无论输入文本的语言如何，均可维持语音人的声音特征。同时，我们添加了翻译 API，展示神经配音技术的应用。

May, 2022

Poetwannabe 是一个聊天机器人，具有自然语言对话的能力，并且主要功能是上下文感知的问答（QA），次要功能是维护用户参与度。为回答问题，对话系统主要使用来自维基百科和 DBpedia 的事实数据，以及公共论坛中真实用户交互的数据和一般文献的数据。

May, 2018

FreeTalker 是首个生成语音驱动的手势和文本驱动的演讲者动作的框架，使用来自多种动作数据集的异构数据，并利用扩散模型进行训练，以及利用无分类器引导和生成先验以实现平滑剪辑过渡。

Jan, 2024

我们旨在构建一个系统，不仅利用大型语言模型的灵活对话能力，还利用其先进的规划能力，降低人类对话者的讲话负担并高效地规划行程。我们提出了一种将旅行社的复杂任务划分为多个子任务的方法，将每个子任务作为一个独立阶段进行管理，以有效地完成任务。我们的提出的系统在 2023 年对话机器人比赛的预赛中取得了一定的成功，并报告了比赛中发现的挑战。

Dec, 2023

本研究提出了一个名为 XPersona 的个性化对话数据集，并通过多语言训练的基线模型和跨语言训练的基线模型进行了实验证明。结果表明，多语言训练的模型优于翻译管道模型，并且其性能与单语言训练的模型相当，而跨语言训练的模型则表现出劣于其他模型的性能。该数据集和基线模型有望加速多语言对话系统的研究。

Mar, 2020

通过收集大约 900 个对话样本，我们发现用于训练对话系统的一些常见数据源中，20-30％的话语被认为机器不可能说出来。此外，我们还研究了建模配置如何影响输出许可，并讨论了构建不那么虚假拟人对话系统的影响。

Oct, 2022