从 Word2vec 到行为：形态学促进语言中机器中的接地
计算与语言
2020-06-02 v1 机器学习
机器人学
摘要
使机器能够对自然语言指令做出恰当响应，可极大扩展其可服务人群。近来，神经网络训练的词嵌入方面的进展已赋能非具身文本处理算法，并暗示它们对具身机器可能具有类似效用。在此我们引入一种方法，通过训练机器人以类似于语义相似的 word2vec 编码指令的方式行动来实现这一点。我们表明，这使得它们在训练后能对先前未听到的指令做出恰当行动。最后，我们表明，在运动与语言相似性之间诱导此种对齐，可受机器人机械结构的促进或阻碍。这指向未来大规模方法，以发现并利用动作、语言和机器人结构之间的关系。
引用
@article{arxiv.1908.01211,
title = {Word2vec to behavior: morphology facilitates the grounding of language in machines},
author = {David Matthews and Sam Kriegman and Collin Cappelle and Josh Bongard},
journal= {arXiv preprint arXiv:1908.01211},
year = {2020}
}
备注
D. Matthews, S. Kriegman, C. Cappelle and J. Bongard, "Word2vec to behavior: morphology facilitates the grounding of language in machines," 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Macau, China, 2019. \c{opyright} 2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses