May, 2023

ArK：具备知识交互新兴能力的增强现实

PDF
TL;DR研究了一种基于知识记忆的增强现实与知识推理交互机制（ArK），利用通用的基础模型将知识记忆从一个领域转移到另一个领域，使得机器学习 agent 在未知情况下可以生成高质量 2D/3D 场景，证明了增强现实技术在深度学习中的潜力。
mixed realityai agentsscene generationknowledge-memoryark
发现论文，激发创造
  • 互动文本游戏的知识增强代理

    该文提出了一种通过注入领域知识的方式来改善基于文本游戏中的智能代理的实现过程，并考虑了多种不同的注入策略，包括知识图谱和输入编码策略的增强，实验结果在 ScienceWorld 文本游戏环境中得到证明。

    May, 2023

  • 以场景为驱动的多模态知识图构建用于具象人工智能

    通过结合传统的知识工程和大型语言模型，我们提出了一种以场景驱动的多模态知识图谱构建方法，用于知识表示和增强室内机器人功能。我们通过实例化 ManipMob-MMKG 评估了我们方法的优势，在数据收集效率和知识质量方面具有广泛的优越性。实验结果表明，使用我们实例化的 ManipMob-MMKG 进行知识增强方法可以明显改善性能，无需复杂重新设计模型结构。

    Nov, 2023

  • 一种增强现实平台，用于通过机器人向 K-12 学生介绍强化学习

    本文介绍了一个增强现实系统，使人类可以观察到机器人学习的隐藏状态，建立了人类和机器人的共同基础，并讨论了使用我们的系统在 K-12 教育活动中以及开发基于 AR 的人类循环强化学习框架的两个未来方向。

    Oct, 2021

  • ARKS：知识汤中的主动检索用于代码生成

    在本文中，我们介绍了 Active Retrieval in Knowledge Soup（ARKS），这是一种用于代码生成的高级策略，通过积极的检索策略和知识汇集构建，实现了大型语言模型的泛化，对一般化 RACG（retrieval-augmented code generation）流程的构建提供了有益的见解。

    Feb, 2024

  • 扩展图上可解释推理的知识感知对话生成

    提出了一种基于知识图谱和语料库文本的对话机器人，结合了三个组件：增强的知识图谱、知识选择器和知识感知的响应生成器，并使用多跳图推理解决了知识选择问题，证明相比现有方法更易解释和灵活。

    Mar, 2019

  • KG-RAG: 知识与创造之间的桥梁

    该论文介绍了一种名为 KG-RAG（知识图谱 - 检索增强生成）的框架，通过将结构化的知识图谱与 LLMs 的功能集成，显著减少对 LLMs 潜在知识的依赖，从而提高 LLM 的知识能力。通过使用一种名为 CoE（Chain of Explorations）的算法，利用 LLMs 的推理能力在知识图谱中顺序地探索节点和关系，该方法较之前取得了显著减少虚构内容的结果，为发展处理知识密集型任务的智能系统提供了有希望的路径。

    May, 2024

  • 利用人类计算游戏框架增强用于准确性关键生成式人工智能应用的知识图谱

    通过使用众包反馈通过视频游戏收集到的信息，GAME-KG 框架显示出是一种增强知识图谱的有效方法，同时为人类提供由其验证的可解释的结构化事实。

    Apr, 2024

  • 可扩展机器人模仿学习的增强现实演示

    通过增强现实技术辅助的演示获取框架，该论文提出了一种创新的解决方案，使非机器人专业人员能够使用 HoloLens 2 等设备为机器人模仿学习提供演示，从而实现了可扩展和多样化的真实世界任务演示收集。通过在三个经典机器人任务（到达、推动和拾取放置）上进行实验证明了该方法的有效性，实际机器人能够成功执行每个任务并回放通过增强现实收集的演示。

    Mar, 2024

  • 一种用于原型设计 AGI 的通用知识模型和认知架构

    该研究论文旨在提出一种新的认知架构来实现通用人工智能的能力，并介绍了一个包含多个功能模块的框架。其中，知识表示是该架构的关键解决方案之一，能够在单一知识库中结合多种形式化和非形式化的知识表示方法。论文还探讨了使用 Archigraph 模型来组合和结构化各种知识片段的方法。此外，该研究还提及了该认知架构的其他组成部分，包括机器意识、机器潜意识、与外部环境的交互模块、目标管理模块、情感控制系统、社交交互模块、反思模块、伦理和世界观模块、学习模块、监测模块、陈述和问题解决模块、自组织和元学习模块。

    Jan, 2024

  • Agent AI：多模态交互视野调查

    多模态人工智能系统中，基于 Agent 的多模态智能研究，通过在真实和虚拟环境中嵌入具有感知能力的智能体，能够处理和解释视觉和语境数据，以提高智能系统的上下文感知和交互能力。

    Jan, 2024