利用常识推理使机器人理解不完整的自然语言指令

使机器人能够理解通过口语自然语言提供的指令，将促进机器人与人在家庭和工作场所等多种环境中的交互。然而，自然语言指令常常缺失基于环境上下文和常识对人类而言显而易见、因此无需明确陈述的信息。在本文中，我们提出基于语言模型的常识推理（LMCR），这是一种新方法，使机器人能够听取来自人类的自然语言指令、观察周围环境，并利用环境上下文和一种新的常识推理方法自动填补指令中缺失的信息。我们的方法首先将以无约束自然语言提供的指令解析为动词框架，转换为机器人可理解的形式。然后，我们的方法通过观察附近物体并利用常识推理来填补指令中缺失的信息。为自动学习常识推理，我们的方法通过训练语言模型从大型非结构化文本语料库中提取知识。我们的结果显示了机器人从基于网络的文本语料库自动学习常识知识的可行性，以及习得的常识推理模型在使机器人基于不完整自然语言指令自主执行任务方面的能力。