两个 DRAGGN 的故事：一种解释动作导向与目标导向指令的混合方法

在多样化、随机性环境中与人类协同工作的机器人必须能够准确理解自然语言指令。这些指令通常分为两类：一类指定目标条件或目标状态，另一类指定显式动作，即如何执行给定任务。近期的方法使用奖励函数作为基于目标的指令的语义表示，从而允许使用最先进的规划器为给定任务寻找策略。然而，这些奖励函数无法直接用于表示动作导向指令。我们引入了一种新的混合方法——深度循环动作-目标接地网络（Deep Recurrent Action-Goal Grounding Network, DRAGGN），用于任务接地与执行，该方法以任一类别的自然语言作为输入，并能够泛化到未见过的环境。我们的机器人仿真结果表明，一个能够成功理解目标导向与动作导向任务规范的系统，使我们更接近实现鲁棒的人机交互自然语言理解。