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

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

本文介绍了 Miutsu，该系统是台湾大学设计的 Alexa Prize 任务机器人，旨在帮助用户完成需要多个步骤和决策的两个不同领域的任务 - 家庭改进和烹饪。该系统包括问答、任务检索、社交聊天和各种对话模块，并提供了对话流程以处理复杂任务。

May, 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

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

设计与评估了体现社交互动、基于故事和游戏策略的 SlugBot，参加 2018 年 AlexaPrize 的 8 强之一。收集了 10000 多次对话作为比赛的一部分，并进行了实验室后续定性评估。结果表明，故事和游戏是 SlugBot 比较吸引人的互动类型

Aug, 2019

本文介绍了一个新的基于 Dialogue Action 的 Tree-structured TaskFlow 架构来构建基于任务的聊天机器人，能够自动构建任务流并有效减轻开发人员负担，实验结果证明其能够解决先前任务导向式对话系统所面临的难以建立本体、可控性和可解释性不足以及大量数据标注需求等问题。

May, 2022

引入 TEACh 数据集，通过三个基准测试，研究基于人类空间的机器人必须能够与人进行自然语言交互，理解和执行指令，使用会话来解决模糊性并从错误中恢复的具体挑战。

Oct, 2021

ScoutBot 是一个对话界面，可支持机器人的协同探测环境，可以通过 ROS 对 Clearpath Jackal 进行仿真，并通过 Wizard-of-Oz 实验人机对话数据训练来支持基于口语的命令输入。

Jul, 2018

Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

Apr, 2021