रोबोटिक भाषा ग्राउंडिंग का सर्वेक्षण: प्रतीकों और एम्बेडिंग्स के बीच व्यापार संतुलन

बड़े भाषा मॉडलों के साथ, रोबोट पहले से कहीं अधिक लचीले और सक्षम तरीके से भाषा को समझ सकते हैं। यह सर्वेक्षण हाल की साहित्य की समीक्षा करता है और इसे दो ध्रुवों वाले स्पेक्ट्रम में विराजित करता है: 1) भाषा और कुछ मैन्युअल रूप से परिभाषित अर्थ के औपचारिक प्रतिनिधित्व के बीच मानचित्रण, और 2) भाषा और उच्च-आयामी वेक्टर स्थानों के बीच मानचित्रण जो सीधे निम्न-स्तरीय रोबोट नीति में परिवर्तित होते हैं। एक औपचारिक प्रतिनिधित्व का उपयोग करने से भाषा का अर्थ सटीकता से प्रस्तुत किया जा सकता है, अध्ययन समस्या के आकार को सीमित करता है, और व्याख्या और औपचारिक सुरक्षा गारंटी के लिए एक ढांचा प्रदान करता है। जो तरीके भाषा और संवेदनात्मक डेटा को उच्च-आयामी स्थानों में एम्बेड करते हैं, वे इस मैन्युअल रूप से निर्दिष्ट प्रतीकात्मक संरचना से बचते हैं और इस प्रकार यदि पर्याप्त डेटा प्रदान किया जाए तो अधिक सामान्य होने की क्षमता रखते हैं, लेकिन उन्हें प्रशिक्षण के लिए अधिक डेटा और कंप्यूटिंग की आवश्यकता होती है। हम प्रत्येक दृष्टिकोण के लाभों और व्यापार संतुलनों पर चर्चा करते हैं और अंत में भविष्य के कार्य के लिए दिशाओं को प्रदान करते हैं जो दोनों दुनियाओं का सबसे अच्छा प्राप्त करता है।