研究人员使用 Wizard-of-Oz 方法应用于多模态人机对话实现自然的士兵与机器人交互，工作中考虑了两个巫师代表了机器人导航和对话管理软件组件，研究发现巫师之间的劳动分工是可行的。

Mar, 2017

本研究介绍了一种新的指向培训具有多模态输入上下文的代理，以及执行与其相关的多模态操作的模型 SIMMC，提供了两个 SIMMC 数据集，以及多个评估协议。

Jun, 2020

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

通过收集多用户多 WOZ 数据集，该研究提出了多用户背景下的查询重写任务，旨在将两个用户之间的对话重写成只包含任务相关信息、能够被对话系统直接处理的简洁任务查询，实验证明通过预测的重写方式，显著提高了对话状态跟踪的性能，并且可以适用于未知领域。

Oct, 2023

本文介绍了一种新型用户界面，用于便捷地通过”Wizard-of-Oz“方式收集人机对话数据，并通过使用开放参数的模板，快速地产生各种语言表达，进而发展适用于机器人导航的自然步伐和服务的对话系统。

Oct, 2017

本文提出了一种新型的对话收集框架，名为 NeuralWOZ，该框架使用基于模型的对话模拟，并且使用 collector 和 labeler 两个模型，其中 collector 生成对话，而 labeler 则将生成的对话进行注释并将注释形成为一个多项选择问题。这个方法在对话状态跟踪的零样例转移学习中表现出了很好的效果，产生的合成对话语料库在多个领域上以 4.4％的联合目标准确度和 5.7％的待测试覆盖率的改善实现了新的最高水平。

May, 2021

本文讨论了人类在指定任务中使用应用程序所面临的挑战，提出了任务引导系统的发展需要寻找信息检索和会话系统来帮助任务的执行者，并针对现有数据集开发了一个基于 Wizard-of-Oz 的数据收集工具，进行了初步实验。

Nov, 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

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

这篇论文介绍了 AllWOZ，它是一个涵盖英语、汉语、韩语、越南语、印地语、法语、葡萄牙语和泰语等八种语言的多语言多领域任务导向客户服务对话数据集，并且利用元学习将 mT5 应用于这个多语言数据集的基准测试。

Dec, 2021