マルチモーダル言語処理

我々の発話中には省略された情報が含まれていますが、ロボットがそれらを補完することは困難です。我々は、マルチモーダル情報を用いて物体操作命令を理解するTarget-dependent UNITERを開発し、標準データセットで最高精度を達成しました。