論文の概要: How Should Agents Ask Questions For Situated Learning? An Annotated Dialogue Corpus

• arxiv url: http://arxiv.org/abs/2106.06504v1
• Date: Fri, 11 Jun 2021 16:58:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-14 14:17:46.414298
• Title: How Should Agents Ask Questions For Situated Learning? An Annotated Dialogue Corpus
• Title（参考訳）: エージェントはどのように地場学習の質問をするべきか? 注釈付き対話コーパス
• Authors: Felix Gervits, Antonio Roque, Gordon Briggs, Matthias Scheutz, Matthew Marge
• Abstract要約: 本稿では,HuRDLコーパス(HuRDL: Human-Robot Dialogue Learning)について紹介する。 コーパスデータとそれに対応するアノテーションスキームを記述し、人間が現在位置する環境での学習を促進するために求める質問の形式と内容について考察する。
• 参考スコア（独自算出の注目度）: 13.12257465328948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent agents that are confronted with novel concepts in situated environments will need to ask their human teammates questions to learn about the physical world. To better understand this problem, we need data about asking questions in situated task-based interactions. To this end, we present the Human-Robot Dialogue Learning (HuRDL) Corpus - a novel dialogue corpus collected in an online interactive virtual environment in which human participants play the role of a robot performing a collaborative tool-organization task. We describe the corpus data and a corresponding annotation scheme to offer insight into the form and content of questions that humans ask to facilitate learning in a situated environment. We provide the corpus as an empirically-grounded resource for improving question generation in situated intelligent agents.
• Abstract（参考訳）: 配置された環境で新しい概念に直面するインテリジェントエージェントは、人間のチームメイトに物理的な世界について学ぶために質問する必要があります。 この問題をより深く理解するには、配置されたタスクベースのインタラクションで質問を行うデータが必要です。 そこで本研究では,協調的なツール編成タスクを行うロボットの役割を人間の参加者が果たすオンラインインタラクティブな仮想環境において収集される,新たな対話コーパスである human-robot dialogue learning (hurdl) コーパスを提案する。 コーパスデータとそれに対応するアノテーションスキームを記述し、人間が現在位置する環境での学習を促進するために求める質問の形式と内容について考察する。 我々は,知的エージェントの質問生成を改善するための実験的な情報源としてコーパスを提供する。

関連論文リスト

• Human-Robot Dialogue Annotation for Multi-Modal Common Ground [4.665414514091581]
  本稿では,人間とロボットの対話データにアノテートした記号表現の開発について述べる。 遠隔対話では,人間とロボットが不慣れな環境における共同ナビゲーションと探索作業に従事しているが,ロボットは限られた通信制約のため,すぐには高品質な視覚情報を共有できない。 このパラダイム内では、抽象的意味表現の強化である対話-AMRアノテーションを通じて、対話中の1つの発話の命題意味と補間力を取り込む。
  論文  参考訳（メタデータ） (2024-11-19T19:33:54Z)
• SECURE: Semantics-aware Embodied Conversation under Unawareness for Lifelong Robot Learning [17.125080112897102]
  本稿では,ロボットが指示されたタスクを解く上で鍵となる概念を知らない,困難な対話型タスク学習シナリオについて論じる。 本稿では,このような問題を解決するための対話型タスク学習フレームワークSECUREを提案する。 SECUREを用いて、ロボットはミスをしたときのユーザの補正フィードバックから学習するだけでなく、指示されたタスクを解決するための新しい概念に関する有用な証拠を明らかにするための戦略的対話決定も行う。
  論文  参考訳（メタデータ） (2024-09-26T11:40:07Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue Model [79.64376762489164]
  PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。 PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。 PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
  論文  参考訳（メタデータ） (2023-04-02T18:23:13Z)
• Mediators: Conversational Agents Explaining NLP Model Behavior [2.7878644615660457]
  人間中心の説明可能な人工知能(HCXAI)コミュニティは、人間と機械の会話として説明プロセスをフレーミングする必要性を高めた。 我々は、自然言語を用いて対話的に神経モデルの振る舞いを説明することができるテキストベースの会話エージェントである、メディエーターのためのデシラタを確立する。
  論文  参考訳（メタデータ） (2022-06-13T10:31:18Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• Rethinking Explainability as a Dialogue: A Practitioner's Perspective [57.87089539718344]
  医師、医療専門家、政策立案者に対して、説明を求めるニーズと欲求について尋ねる。 本研究は, 自然言語対話の形での対話的説明を, 意思決定者が強く好むことを示唆する。 これらのニーズを考慮して、インタラクティブな説明を設計する際に、研究者が従うべき5つの原則を概説する。
  論文  参考訳（メタデータ） (2022-02-03T22:17:21Z)
• Neural Approaches to Conversational Information Retrieval [94.77863916314979]
  会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。 近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。 この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
  論文  参考訳（メタデータ） (2022-01-13T19:04:59Z)
• TEACh: Task-driven Embodied Agents that Chat [14.142543383443032]
  シミュレーションにおいて,3千人以上の人間-人間-対話的対話のデータセットであるTEAChを紹介した。 タスクに関するオラクル情報にアクセスするコマンドは、自然言語でFollowerと通信する。 本稿では,TEAChを用いた3つのベンチマークを提案し,具体的インテリジェンス課題について検討する。
  論文  参考訳（メタデータ） (2021-10-01T17:00:14Z)
• Towards Data Distillation for End-to-end Spoken Conversational Question Answering [65.124088336738]
  音声対話型質問応答タスク(SCQA)を提案する。 SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。 我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
  論文  参考訳（メタデータ） (2020-10-18T05:53:39Z)

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。