机器人语言接地综述：符号与嵌入之间的权衡

借助大型语言模型，机器人能够比以前更灵活、更强大地理解语言。本综述回顾并定位了近期文献，将其置于一个具有两个极点的谱系中：1）语言与某种手动定义的形式化意义表示之间的映射；2）语言与直接转化为低级机器人策略的高维向量空间之间的映射。使用形式化表示可以精确表示语言的意义，限制学习问题的规模，并提供一个可解释性和形式化安全保证的框架。将语言和感知数据嵌入高维空间的方法避免了这种手动指定的符号结构，因此在提供足够数据时可能更具通用性，但需要更多的数据和计算来进行训练。我们讨论了每种方法的优点和权衡，最后指出了未来工作方向，以实现两全其美。