机构名称：
¥ 1.0
利用先前的研讨会上建立的基础Splu-Robonlp-2022，Splu-Robonlp-2021，Splu 2020，Splu-Robonlp 2019，Splu 2018和Robonlp 2017，我们组织了第四个组合工作室，以实现空间语言了解和Robotics robotics，splu-rob-robonlp-22。要实现与我们的房屋，工作场所，医院和仓库中机器人进行自然对话的长期目标，我们必须开发新技术，以将语言与物理世界的感知和行动联系起来。这需要开发工具和理论，以找到解决NLP和HRI中一些基本问题的见解。以下一些重要问题。我们可以向机器人代理提供说明以协助远程设置中的导航和操纵任务吗？我们可以与机器人谈论周围的物理世界，并帮助他们交互学习完成任务所需的语言吗？我们可以通过扎根的语言生成来开发对我们答复的机器人，并最终导致有效的双向扎根对话？鉴于生成性大语言模型的兴起，另一个问题是如何在位置对话设置中部署这些大型模型并有意义地采取行动。人类机器人对话通常涉及对接地空间描述的理解。se能力总是需要了解与机器人体现的物理环境相关的空间语义。空间语义是语言语义的一部分，它与基础语言与感知世界和物理世界最相关。空间含义表示包括与认知和语言动机的空间语义表示，实践知识代表和本体学，定性和定量表示模型，空间注释方案以及创建专业公司的努力有关的研究。空间学习考虑了符号和亚符号（具有连续表示）技术和计算信息，用于空间信息提取，语义解析和空间共同参考，包括全球上下文，包括来自数据或正式模型的话语和布拉格的语言。最近的研究表明，预先训练的语言模型甚至最近的大型生成语言模型的语义方面之一就是对空间语言的推理。我们有兴趣研究基于自然语言的质量和定量形式表述是否有助于空间推理以及从数据中学习此类表示的可能性。此外，我们强调了空间语言理解以及人类机器人互动的多模式方面。一些有趣的相关问题包括，哪些表示形式适合不同的方式，哪些形式独立于模态？我们如何利用视觉信息进行语言学习和推理？该联合研讨会的主要目标是提出从事物理机器人系统以及人类用户工作的研究人员的观点，并使空间语言理解代表和学习方法，数据集和基准测试与HRI和机器人技术中遇到的目标和约束。此类限制包括实体实验实验的高成本，实时互动的计算成本，人类在循环培训和评估环境，体现数据的稀缺性以及非语言交流。被邀请的演讲者，计划委员会和组织委员会由属于语言，机器人和视力社区的研究人员组成，或者在这些研究领域的交集中工作。我们有4位受邀演讲者，3个存档论文和几篇非宪法论文。我们的研讨会将容纳相关的ACL调查文件。
分析在Reddit上共享的个人药物经验
主要关键词
相关文件推荐
