RUN through the Streets：面向真实城市导航的新数据集与基线模型
计算与语言
2019-09-20 v1
摘要
遵循自然语言导航指令需要语言、行动和环境知识的组合。环境知识可以通过视觉传感器提供，或作为称为地图的符号化世界表示提供。本文我们引入真实城市导航（RUN）任务，旨在基于真实、密集的城市地图解释导航指令。通过 Amazon Mechanical Turk，我们收集了一个包含 2515 条指令的数据集，这些指令与曼哈顿三个区域的实际路线对齐。我们为该任务提出了一个强基线模型，并通过实验探究了神经架构的哪些方面对 RUN 任务的成功至关重要。我们的结果实证表明，实体抽象、对词语和世界的注意力机制以及持续更新的世界状态，显著有助于提高任务准确率。
引用
@article{arxiv.1909.08970,
title = {RUN through the Streets: A New Dataset and Baseline Models for Realistic Urban Navigation},
author = {Tzuf Paz-Argaman and Reut Tsarfaty},
journal= {arXiv preprint arXiv:1909.08970},
year = {2019}
}
备注
accepted to appear at the EMNLP 2019 conference