介绍了 Alexa Prize 中的 TaskBot challenge，该项目要求参赛者开发能够通过语音和视觉辅助人类完成真实任务的对话系统，同时保持用户的参与度。

Sep, 2022

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

GRILLBot 是 2022 Alexa Prize TaskBot Challenge 中获胜的系统，是下一代多模态任务助手，可以引导用户完成烹饪和家居改善等复杂的真实世界任务。其核心包括一种新型的神经决策解析器，一种支持条件执行的新的 “TaskGraph” 状态表示，基于知识的聊天以及自动丰富任务图像和视频的功能。

Aug, 2022

通过 Alexa Prize 进行的研究，结合当今自然语言处理、上下文理解、会话管理等方面的技术，旨在解决对话人工智能问题，从而使得社交对话和自由形式对话在广泛的领域和主题上更加自然地进行。

Jan, 2018

本文提出了对话系统 Alquist 的第二个版本，利用基于本体的主题结构来组织对话系统，并通过 LSTM 模型对话管理，以获得更好的用户体验。

Nov, 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

这篇论文介绍了 SimBot Challenge 这个新挑战赛，其中大学团队竞争建立在模拟物理环境中完成任务的机器人助手。论文概述了 SimBot Challenge，包括线上和线下挑战阶段。我们描述了为团队提供的基础设施和支持，包括 Alexa Arena，模拟环境以及为团队加速构建视觉和语言模型而提供的 ML 工具包。我们总结了参赛团队克服研究挑战所采取的方法，并提取了关键的经验教训。最后，我们对比赛期间参赛 SimBot 的表现进行了分析。

Aug, 2023

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

任务向导团队在 Alexa Prize TaskBot 挑战赛 2022 中，以 TWIZ bot 为目标助手，通过提供多模态的刺激以及与用户进行人性化对话来解决复杂手动任务的研究问题，从用户的评级和反馈来看，TWIZ bot 是一种有效且稳健的系统。

Oct, 2023

2018 年的 Alexa Prize 竞赛促进了会话人工智能的发展，多所大学加强了会话模型的上下文理解和对大量不同类型输入的处理，并借助知识图谱等工具提高了自然语言理解能力，使用统计和分层对话管理和模型驱动的用户响应机制，同时提供 CoBot 工具包、话题检测模型、对话行为检测模型、对话评估等套件，构建了知识丰富、连贯、吸引人的多轮对话系统。

Dec, 2018