RoboClean：专业低资源环境中人机交互的语境语言接地研究

由于工作人员的本地知识（如物体和空间的特定术语），为专业环境中的服务机器人构建有效的语音指令界面十分困难，这导致训练语言模型的数据有限（称为'低资源'领域），并带来语言接地的挑战。我们开展了一项语言接地研究，其中a）通过奥兹国研究（Wizard of Oz study）现场收集语境专家的口语自然语言并编制数据集，b）定性检查所产生指令的语言特性，以揭示构建语境中指令时使用的指称类别和参数。我们讨论了如何将我们的语言接地协议应用于在目标使用环境中引导语言模型。我们的工作贡献了一种对机器人指令的语言理解，可供设计师和研究人员开发专业低资源环境中人机交互的口语理解系统。