自2016年成立以来，Alexa奖计划使数百名大学生能够通过Socialbot Grand Challenge探索和竞争以发展对话代理商。挑战的目的是建立能够与人类在流行主题上连贯而诱人的代理人20分钟，同时达到至少4.0/5.0的平均评分。但是，由于对话代理商试图帮助用户完成日益复杂的任务，因此需要新的对话AI技术和评估平台。成立于2021年的Alexa奖Taskbot Challenge建立在Socialbot Challenge的成功基础上，通过引入交互式协助人类进行现实世界烹饪和做自己动手做的任务的要求，同时同时使用语音和视觉方式。这项挑战要求TaskBots识别和理解用户的需求，识别和集成任务和域知识，并开发新的方式，不分散用户的注意力，而不必分散他们的任务，以及其他挑战。本文概述了Taskbot挑战赛，描述了使用Cobot Toolkit提供给团队提供的基础架构支持，并总结了参与团队以克服研究挑战所采取的方法。最后，它分析了比赛第一年的竞争任务机器人的性能。
translated by 谷歌翻译
我们提出了一种新型的强大分散图聚类算法，该算法与流行的光谱聚类方法相当。我们提出的方法使用现有的波方程聚类算法，该算法基于通过图的传播波。但是，我们提出的方法没有在每个节点上使用快速的傅立叶变换（FFT）计算，而是利用了Koopman操作员框架。具体而言，我们表明，在图中传播波，然后在每个节点处进行局部动态模式分解（DMD）计算，能够检索图形laplacian的特征值和局部特征向量组件，从而为所有节点提供局部群集分配。我们证明，DMD计算比现有的基于FFT的方法更强大，并且需要减少波动方程的步骤20倍，以准确恢复群集信息并通过数量级减少相对误差。我们在一系列图集聚类问题上演示了分散的方法。
translated by 谷歌翻译