alfred benchmark | BriefGPT

关键词alfred benchmark

搜索结果 - 10

苏格拉底规划器：基于问题引导的零样本规划模型与实体指令跟随
Socratic Planner 是第一个无需训练数据的零样本规划方法，在 Embodied Instruction Following 领域中通过自问自答将指令分解为子目标的结构信息，并通过密集视觉反馈动态调整计划，在 ALFRED 基准
PDF3 months ago
ACL使用语言模型进行小样本子目标规划
本文探讨了预训练的大型语言模型在预测现实世界环境中可行的计划方面的能力，表明预先训练的语言模型中的语言优先级允许我们推断出细粒度的子目标序列，并提出了一种通过环境的交互和反馈重新排列语言模型预测的简单策略，结合预先训练的导航和视觉推理组件在
PDF2 years ago
基于矩估计的对抗训练用于语境感知理解
本文中，我们提出了 Moment-based Adversarial Training（MAT）的方法，用于帮助机器人处理家庭任务，并在 ALFRED benchmark 上取得了优异的结果。
PDF2 years ago
DialFRED: 嵌入式指令跟随的对话驱动代理
该研究提出了 DialFRED，一个基于 ALFRED 基准的对话启用的具有体现指导 AI 的基准，其允许代理主动向人类用户提问，并利用用户响应中的附加信息来更好地完成其任务。使用人类注释的数据集和强化学习调整预先训练的提问者来解决 Dia
PDF2 years ago
MM基于神经符号方法的交互指令跟随模型的物体和指令变化鲁棒性改进
通过提出神经符号化方法，将高级符号特征用作中间表征，来解决自然语言指令和第一视角视觉映射到与 3D 环境中对象进行交互的操作序列时神经网络特征提取对小的改变过于敏感而未能适应测试集中未见过的属性和指令的问题。在 ALFRED 基准测试的子任
PDF3 years ago
面向高层自然语言指令执行的持久性空间语义表示
该研究介绍了一种基于持久化空间语义表达的方法，旨在通过实现分层推理，实现机器人代理人执行自然语言指定的长期任务，获得了 ALFRED 测试中最先进的表现。
PDF3 years ago
ACL基于统一变形器和自监控的语言指令分层任务学习
本文提出一个名称为 HiTUT 的模型，将任务学习分解成三个子问题：子目标规划、场景导航和物体操作，并统一解决了每个子问题，以学习分层任务结构。在 ALFRED 基准测试中，HiTUT 表现出最好的性能和更高的泛化能力。
PDF3 years ago
ICCV视觉语言导航的史诗变压器
本文提出了一种名为 Episodic Transformer (E.T.) 的多模态 Transformer，可解决使用自然语言指令进行交互和导航所面临的挑战。通过采用合成指令来改善训练和决策，使得 E.T. 能够处理历史信息，以实现复合式
PDF3 years ago
ICCV交互指令跟随的感知和策略分解
提出了一种名为 MOCA 的模块化物体中心方法，它将交互式知觉和行动策略流分解为增强组件，通过实验证明，在 ALFRED 基准测试中，MOCA 优于以前的方法并改善了泛化性能。
PDF4 years ago
ICLRALFWorld: 文本对话及实体环境互动学习对齐
ALFWorld 介绍了一个新的模拟器，使得具有身体能力的代理人能够在 TextWorld 中学习抽象的文本策略，然后在富有视觉感的环境中执行 ALFRED 基准测试的目标，以促进代理人的更好泛化。
PDF4 years ago