一种用于理解移动服务机器人自然语言指令的深度学习方法
计算与语言
2018-07-10 v1 机器人学
摘要
使用自然语言向机器人下达指令具有挑战性，因为自然语言理解在很大程度上仍是一个开放问题。在本文中，我们通过将注意力限制在建模为单一动作加参数（也称为槽）的指令上来解决此问题。针对动作检测（也称为意图检测）和槽填充，评估了多种循环神经网络和长短期记忆（LSTM）网络架构，其中 LSTM 取得了更优的准确率。由于所请求的动作可能超出机器人能力范围，使用支持向量机（SVM）来判断是否属于其能力范围内。对于神经网络的输入，比较了多种词嵌入算法。最后，为在机器人上实现该系统，使用 SMACH 状态机创建了一个 ROS 功能包。所提出的系统随后在知名数据集以及家用服务机器人基准上进行了评估。
引用
@article{arxiv.1807.03053,
title = {A deep learning approach for understanding natural language commands for mobile service robots},
author = {Pedro Henrique Martins and Luís Custódio and Rodrigo Ventura},
journal= {arXiv preprint arXiv:1807.03053},
year = {2018}
}