结合匿名化的神经语义解析用于通用服务机器人的指令理解

服务机器人被期望应请求执行广泛的任务。语义解析是将用户给这些机器人的自然语言指令转换为可执行表示的一种途径。然而，创建语义解析器的方法要么依赖大量数据，要么依赖精心设计的词法特征和解析规则，这限制了它们在机器人学中的应用。为应对这一挑战，我们提出了一种方法，结合神经语义解析方法与上下文词嵌入，使得能够以少量数据且无需领域特定解析器工程来训练语义解析器。我们方法的关键在于使用一种匿名化目标表示，它更易于被解析器学习。在大多数情况下，这种简化表示可以平凡地转换为可执行格式，而在其他情况下，可通过与用户的进一步交互来完成解析。我们在 RoboCup@Home 通用服务机器人任务的背景下评估了该方法，其中我们收集了来自标准化指令生成器的指令的释义语料库。我们的结果表明，神经语义解析器能以 89% 的准确率预测未见指令的逻辑形式。我们发布了我们的数据和模型细节，以鼓励 RoboCup 和服务机器人界进一步开发。