論文の概要: SCOUT: A Situated and Multi-Modal Human-Robot Dialogue Corpus

• arxiv url: http://arxiv.org/abs/2411.12844v1
• Date: Tue, 19 Nov 2024 20:18:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:10:03.697845
• Title: SCOUT: A Situated and Multi-Modal Human-Robot Dialogue Corpus
• Title（参考訳）: SCOUT: マルチモーダルな人間-ロボット対話コーパス
• Authors: Stephanie M. Lukin, Claire Bonial, Matthew Marge, Taylor Hudson, Cory J. Hayes, Kimberly A. Pollard, Anthony Baker, Ashley N. Foots, Ron Artstein, Felix Gervits, Mitchell Abrams, Cassidy Henry, Lucia Donatelli, Anton Leuski, Susan G. Hill, David Traum, Clare R. Voss,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.063252743855561
• License:
• Abstract: We introduce the Situated Corpus Of Understanding Transactions (SCOUT), a multi-modal collection of human-robot dialogue in the task domain of collaborative exploration. The corpus was constructed from multiple Wizard-of-Oz experiments where human participants gave verbal instructions to a remotely-located robot to move and gather information about its surroundings. SCOUT contains 89,056 utterances and 310,095 words from 278 dialogues averaging 320 utterances per dialogue. The dialogues are aligned with the multi-modal data streams available during the experiments: 5,785 images and 30 maps. The corpus has been annotated with Abstract Meaning Representation and Dialogue-AMR to identify the speaker's intent and meaning within an utterance, and with Transactional Units and Relations to track relationships between utterances to reveal patterns of the Dialogue Structure. We describe how the corpus and its annotations have been used to develop autonomous human-robot systems and enable research in open questions of how humans speak to robots. We release this corpus to accelerate progress in autonomous, situated, human-robot dialogue, especially in the context of navigation tasks where details about the environment need to be discovered.
• Abstract（参考訳）: 我々は,協調探索のタスク領域において,人間-ロボット対話のマルチモーダルコレクションであるSituated Corpus Of Understanding Transactions (SCOUT)を紹介した。 コーパスは複数のWizard-of-Oz実験から作られ、人間の被験者が遠隔地にいるロボットに言葉で指示して周囲に関する情報を収集した。 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。 対話は5,785のイメージと30のマップで利用可能なマルチモーダルデータストリームと一致している。 コーパスには、発話中の話者の意図と意味を特定するための抽象的意味表現と対話的AMRと、対話構造のパターンを明らかにするために発話間の関係を追跡するトランザクショナル・ユニットとリレーションが添付されている。 我々は、このコーパスとそのアノテーションが自律ロボットシステムの開発にどのように使われてきたのかを説明し、人間がロボットとどのように話すかについてのオープンな質問での研究を可能にする。 我々はこのコーパスをリリースし、自律的、位置的、人間とロボットの対話の進行を加速させ、特に環境の詳細を見つける必要があるナビゲーションタスクのコンテキストにおいて、そのコーパスをリリースする。

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)
• J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling [43.87842102048749]
  音声対話は人間とAIの相互作用において重要な役割を担い、対話指向音声言語モデル(SLM)を必要とする ヒッカ品質の音声生成を確実にするためには、データはWild内のデータのように自然に必要であり、ノイズを除去して音響的にクリーンでなければならない。 本研究では,人間-AI対話のための日本語コーパス(J-CHAT)という,大規模音声対話コーパスの構築とリリースによって,このギャップに対処する。 本稿では、コーパス構築のための言語に依存しない手法を提案し、J-CHATで訓練されたSLMを用いた対話生成実験について述べる。
  論文  参考訳（メタデータ） (2024-07-22T17:46:50Z)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• DialogueBERT: A Self-Supervised Learning based Dialogue Pre-training Encoder [19.51263716065853]
  本稿では,人気のある事前学習型言語モデルBERTに基づく新しい文脈対話エンコーダ(ダイアログBERT)を提案する。 5つの自己教師型学習事前学習課題が,対話音声の特異性を学習するために考案された。 DialogueBERTは、実シナリオで7000万の対話で事前訓練され、3つの異なる下流対話理解タスクで微調整された。
  論文  参考訳（メタデータ） (2021-09-22T01:41:28Z)
• EmoWOZ: A Large-Scale Corpus and Labelling Scheme for Emotion in Task-Oriented Dialogue Systems [3.3010169113961325]
  EmoWOZはタスク指向対話の大規模手動感情注釈コーパスである。 11K以上の対話と83K以上の感情アノテーションを含む。 本稿では,タスク指向対話に適した新しい感情ラベリング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-10T15:00:01Z)
• Multi-View Sequence-to-Sequence Models with Conversational Structure for Abstractive Dialogue Summarization [72.54873655114844]
  テキスト要約は、NLPにおいて最も困難で興味深い問題の1つである。 本研究では、まず、異なる視点から構造化されていない日々のチャットの会話構造を抽出し、会話を表現するマルチビューシーケンス・ツー・シーケンスモデルを提案する。 大規模対話要約コーパスの実験により,本手法は,自動評価と人的判断の両面から,従来の最先端モデルよりも有意に優れた性能を示した。
  論文  参考訳（メタデータ） (2020-10-04T20:12:44Z)
• Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
  本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。 バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
  論文  参考訳（メタデータ） (2020-09-17T23:07:03Z)
• Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
  スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。 コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。 DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-17T21:02:40Z)
• Masking Orchestration: Multi-task Pretraining for Multi-role Dialogue Representation Learning [50.5572111079898]
  マルチロール対話理解は、質問応答、行動分類、対話要約など、幅広い多様なタスクを含む。 対話コーパスは豊富に利用可能であるが、特定の学習タスクのためのラベル付きデータは非常に不足しており、高価である。 本研究では,教師なし事前学習タスクを用いた対話文脈表現学習について検討する。
  論文  参考訳（メタデータ） (2020-02-27T04:36:52Z)

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。