人机对话收集中效率与覆盖率的平衡
机器人学
2018-10-09 v2 人机交互
摘要
我们描述了一种多阶段 Wizard-of-Oz 方法，用于在协作搜索与导航任务中收集人机对话。该数据正被用于训练一个初始的自动化机器人对话系统，以支持协作探索任务。在第一阶段，向导自由地向人类参与者键入机器人话语。在第二阶段，利用该数据设计了一个 GUI，其中包含最常见通信的按钮，以及带可变参数的通信模板。对这些阶段所收集数据的比较表明，GUI 在保持高覆盖率合适响应的同时实现了更快的对话节奏，从而实现了更高效的针对性数据收集，并改善了使用 GUI 收集数据的自然语言理解。作为迈向交互式学习的有前景的第一步，本工作表明我们的方法能够为基于导航的 HRI 任务收集有用的训练数据。
引用
@article{arxiv.1810.02017,
title = {Balancing Efficiency and Coverage in Human-Robot Dialogue Collection},
author = {Matthew Marge and Claire Bonial and Stephanie Lukin and Cory Hayes and Ashley Foots and Ron Artstein and Cassidy Henry and Kimberly Pollard and Carla Gordon and Felix Gervits and Anton Leuski and Susan Hill and Clare Voss and David Traum},
journal= {arXiv preprint arXiv:1810.02017},
year = {2018}
}
备注
Presented at AI-HRI AAAI-FSS, 2018 (arXiv:1809.06606)