Reference Wording Shapes Retrieval of Robot Task Instructions

📄 arXiv: 2610.17549v1 📥 PDF

作者: Jahnavi Yelamanchi

分类: cs.AI, cs.CL, cs.IR, cs.RO

发布日期: 2026-10-13

备注: 6 pages, 4 figures, 4 tables

💡 一句话要点

提出基于参考描述的机器人任务指令检索方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人任务检索 自然语言处理 字符n-gram TF-IDF 任务指令识别 无训练方法 描述选择

📋 核心要点

  1. 现有方法在从自然语言指令中检索机器人任务时，受限于描述的选择，导致准确性不足。
  2. 本研究提出通过提取固定描述并使用字符n-gram TF-IDF等方法，来提高任务指令检索的准确性。
  3. 实验结果显示，字符n-gram TF-IDF的平均Top-1准确率为61.3%，相比其他方法有显著提升，且增加描述可进一步提高性能。

📝 摘要（中文）

本研究探讨了从简短指令中识别机器人任务时，描述的选择对检索结果的影响。我们从RLBench操作基准中提取了296个固定描述，并比较了五种无训练的词汇排名方法。通过对80个随机选择的任务描述进行评估，字符n-gram TF-IDF在持出指令上达到了61.3%的平均Top-1准确率，相较于BM25的55.6%和词TF-IDF的54.9%。增加第二个索引描述可使字符TF-IDF在匹配查询中提升7个百分点。这些结果量化了参考措辞和表示选择对指令到任务检索的影响。

🔬 方法详解

问题定义：本论文旨在解决从简短自然语言指令中准确识别机器人任务的问题。现有方法在描述选择上存在局限性，导致检索效果不佳。

核心思路：通过提取固定的任务描述，并利用字符n-gram TF-IDF等无训练的词汇排名方法，来提高指令到任务的检索准确性。这样的设计旨在量化描述选择对检索效果的影响。

技术框架：研究首先从62个公开任务文件中提取296个固定描述，然后在80个随机选择的任务描述上进行评估，比较不同的词汇排名方法。主要模块包括描述提取、特征表示和检索评估。

关键创新：本研究的创新点在于量化参考措辞对任务检索的影响，特别是通过字符n-gram TF-IDF方法实现了61.3%的平均Top-1准确率，显著优于传统方法。

关键设计：在实验中，字符n-gram TF-IDF的参数设置经过优化，且在匹配查询中增加第二个索引描述可提升7个百分点，显示了描述数量对检索性能的积极影响。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

实验结果表明，字符n-gram TF-IDF在持出指令上的平均Top-1准确率达到61.3%，显著高于BM25的55.6%和词TF-IDF的54.9%。此外，增加第二个索引描述使得匹配查询的性能提升了7个百分点，验证了参考描述的重要性。

🎯 应用场景

该研究的潜在应用领域包括机器人任务自动化、智能助手和人机交互系统。通过提高指令检索的准确性，可以增强机器人在复杂环境中的自主操作能力，提升用户体验。未来，该方法还可扩展到其他自然语言处理任务中。

📄 摘要（原文）

Identifying a robot task from a short instruction is sensitive to which descriptions are available for retrieval. We investigate this effect in the natural-language instructions included with the RLBench manipulation benchmark. We extract 296 fixed descriptions from 62 publicly available task files and compare five training-free lexical rankers over 80 random choices of one indexed description per task. Exact strings assigned to conflicting task labels are excluded from the primary score. Character n-gram TF-IDF achieves 61.3% mean top-1 accuracy on the resulting held-out instructions, compared with 55.6% for BM25 and 54.9% for word TF-IDF. Across gallery choices, character TF-IDF ranges from 55.2% to 66.8%; its 5th-95th percentile range is 56.9%-64.8%. Adding a second indexed description improves character TF-IDF by 7.0 percentage points on matched queries. These results quantify the influence of reference wording and representation choice on instruction-to-task retrieval under a consistent evaluation protocol.