抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ロボット,仮想補助者,および他のインテリジェントエージェントは,複雑なタスクにおいて人間とうまく相互作用し,協力するために,環境オブジェクトに対する言語参照を効果的に解釈する必要がある。しかし,オブジェクトの解消は自然言語におけるあいまいさのために困難なタスクである。オブジェクトを記述するときの不確実性を減らすために,人間は,しばしば,オブジェクトがシーンにおける他の特徴(すなわち参照オブジェクト)に対して位置するところを記述する,独特のオブジェクト特徴および位置付けプレポジション-プレポジションフレーズの組み合わせを使用する。ユニークなオブジェクト特徴および空間関係の確率的モデルに基づく,クラッタ環境におけるオブジェクト解消のための新システムを提案した。本研究は,空間関係意味論の事前モデルを,一連のクラウドソース調査から経験的データを収集し,コード化し,人々が位置付け前置をいかに利用するか,参照オブジェクトがどのように選択されるか,および3D空間(例えば「next to」と「beside」との区別を捉えるか)をいかにモデル化するかをよりよく理解する。提案アプローチは,任意の複雑性の化合物ロカティブフレーズに応答する新しい技術も紹介し,あいまいさに対する新しいメトリックを提案した。実験検証は,著者らの方法が,過去の手法でオブジェクトの曖昧さと性能を改善できることを明らかにした。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】