論文の概要: At your Command! An Empirical Study on How LaypersonsTeach Robots New
Functions
- arxiv url: http://arxiv.org/abs/2009.06510v1
- Date: Mon, 14 Sep 2020 15:16:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 12:53:10.685964
- Title: At your Command! An Empirical Study on How LaypersonsTeach Robots New
Functions
- Title（参考訳）: あなたの命令で!
LaypersonsTeach Robotsの新機能に関する実証的研究
- Authors: Sebastian Weigelt and Vanessa Steurer and Walter F. Tichy
- Abstract要約: 本研究では,ロボットに自然言語による新しい機能を教える方法について検討する。
データセットの分析の結果、多くの参加者が、新しい機能を教えるために特定の単語を使用していたことが判明した。
3分の1以上(36.93%)は、教えの意図を全く口頭で語らなかった。
- 参考スコア（独自算出の注目度）: 4.490438237409076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Even though intelligent systems such as Siri or Google Assistant are
enjoyable (and useful) dialog partners, users can only access predefined
functionality. Enabling end-users to extend the functionality of intelligent
systems will be the next big thing. To promote research in this area we carried
out an empirical study on how laypersons teach robots new functions by means of
natural language instructions. The result is a labeled corpus consisting of
3168 submissions given by 870 subjects. The analysis of the dataset revealed
that many participants used certain wordings to express their wish to teach new
functionality; two corresponding trigrams are among the most frequent. On the
contrary, more than one third (36.93%) did not verbalize the teaching intent at
all. We labeled the semantic constituents in the utterances: declaration
(including the name of the function) and intermediate steps. The full corpus is
publicly available: http://dx.doi.org/10.21227/zecn-6c61
- Abstract（参考訳）: SiriやGoogle Assistantのようなインテリジェントなシステムは楽しい(そして便利な)ダイアログパートナーであるが、ユーザーは事前に定義された機能にしかアクセスできない。
エンドユーザーによるインテリジェントシステムの機能拡張が、次の大きな課題となるでしょう。
本研究では,この領域の研究を促進するために,ロボットに自然言語による新しい機能を教える実験を行った。
その結果、870人の被験者が提出した3168件からなるラベル付きコーパスが得られた。
データセットの分析の結果、多くの参加者が新しい機能を教えるために特定の単語を使用していたことが判明した。
反対に、3分の1以上(36.93%)は、全く教えの意図を口語化しなかった。
発話に意味的構成要素をラベル付けした:宣言(関数の名前を含む)と中間ステップ。
完全なコーパスが公開されている。 http://dx.doi.org/10.21227/zecn-6c61
関連論文リスト
- SCOUT: A Situated and Multi-Modal Human-Robot Dialogue Corpus [5.063252743855561]
SCOUT(Situated Corpus of Understanding Transactions)を紹介する。
これは、協調探索のタスク領域における人間とロボットの対話の集合である。
SCOUTは、89,056発の発声と、278発の対話から310,095発の発声を含む。
論文 参考訳（メタデータ） (2024-11-19T20:18:55Z) - Adaptive Language-Guided Abstraction from Contrastive Explanations [53.48583372522492]
報酬を計算するためにこれらの特徴をどのように使うべきかを決定する前に、環境のどの特徴が関係しているかを決定する必要がある。
連立特徴と報奨学習のためのエンドツーエンドの手法は、しばしば、刺激的な状態特徴に敏感な脆い報酬関数をもたらす。
本稿では,言語モデルを用いて人間に意味のある特徴を反復的に識別するALGAEという手法について述べる。
論文 参考訳（メタデータ） (2024-09-12T16:51:58Z) - Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics
Interface of LMs Through Agentivity [68.8204255655161]
このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。
これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
論文 参考訳（メタデータ） (2023-05-29T16:24:01Z) - Natural Language Robot Programming: NLP integrated with autonomous
robotic grasping [1.7045152415056037]
本稿では,ロボットプログラミングのための文法に基づく自然言語フレームワークについて述べる。
私たちのアプローチでは、意味を共有する単語をまとめて格納するために設計された、アクションワードのカスタム辞書を使用します。
我々は、Franka Pandaロボットアームを用いて、シミュレーションと実世界の実験を通して、我々のフレームワークを検証する。
論文 参考訳（メタデータ） (2023-04-06T11:06:30Z) - Effidit: Your AI Writing Assistant [60.588370965898534]
Effiditは、人工知能(AI)技術を使用して、ユーザーが高品質なテキストをより効率的に書けるようにするためのデジタルライティングアシスタントである。
Effiditでは、テキスト補完、エラーチェック、テキスト研磨、キーワード・トゥ・センテンス(K2S)、クラウド・インプット・メソッド(クラウドIME)の5つのカテゴリで機能を提供することで、筆記アシスタントの能力を大幅に拡大する。
論文 参考訳（メタデータ） (2022-08-03T02:24:45Z) - Intra-agent speech permits zero-shot task acquisition [13.19051572784014]
ヒトの「インナースピーチ」のプロセスからインスピレーションを得て、具体的行動におけるエージェント内スピーチの役割をよりよく理解する。
我々は、ほとんどラベル付き言語データによる視覚的接頭字幕作成を可能にするアルゴリズムを開発した。
我々は,3次元仮想世界で動作している体現型移動マニピュレータエージェントにエージェント内音声を組み込む。
論文 参考訳（メタデータ） (2022-06-07T09:28:10Z) - Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。
この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。
復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
論文 参考訳（メタデータ） (2022-05-24T17:52:34Z) - Grounding Hindsight Instructions in Multi-Goal Reinforcement Learning
for Robotics [14.863872352905629]
本稿では,自然言語の目標表現に対するスパース報酬を用いたロボット強化学習に焦点を当てた。
まず,専門家のフィードバックを生かした後向きの指示再生機構を提案する。
次に,言語的後見命令を生成するセク2seqモデルを提案する。
論文 参考訳（メタデータ） (2022-04-08T22:01:36Z) - Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。
ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
論文 参考訳（メタデータ） (2020-10-11T08:27:07Z) - IART: Intent-aware Response Ranking with Transformers in
Information-seeking Conversation Systems [80.0781718687327]
我々は、情報探索会話におけるユーザ意図パターンを分析し、意図認識型ニューラルレスポンスランキングモデル「IART」を提案する。
IARTは、ユーザ意図モデリングと言語表現学習とTransformerアーキテクチャの統合の上に構築されている。
論文 参考訳（メタデータ） (2020-02-03T05:59:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。