grounded_scan

  • Descrição :

Grounded SCAN (gSCAN) é um conjunto de dados sintético para avaliar a generalização composicional na compreensão da linguagem situada. O gSCAN combina instruções de linguagem natural com sequências de ação e requer que o agente interprete as instruções dentro do contexto de um ambiente de navegação visual baseado em grade.

Mais informações podem ser encontradas em:

FeaturesDict({
    'command': Sequence(Text(shape=(), dtype=string)),
    'manner': Text(shape=(), dtype=string),
    'meaning': Sequence(Text(shape=(), dtype=string)),
    'referred_target': Text(shape=(), dtype=string),
    'situation': FeaturesDict({
        'agent_direction': int32,
        'agent_position': FeaturesDict({
            'column': int32,
            'row': int32,
        }),
        'direction_to_target': Text(shape=(), dtype=string),
        'distance_to_target': int32,
        'grid_size': int32,
        'placed_objects': Sequence({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
        'target_object': FeaturesDict({
            'object': FeaturesDict({
                'color': Text(shape=(), dtype=string),
                'shape': Text(shape=(), dtype=string),
                'size': int32,
            }),
            'position': FeaturesDict({
                'column': int32,
                'row': int32,
            }),
            'vector': Text(shape=(), dtype=string),
        }),
    }),
    'target_commands': Sequence(Text(shape=(), dtype=string)),
    'verb_in_command': Text(shape=(), dtype=string),
})
  • Documentação do recurso :
Característica Classe Forma Tipo D Descrição
RecursosDict
comando Sequência (Texto) (Nenhum,) corda
maneiras Texto corda
significado Sequência (Texto) (Nenhum,) corda
referido_alvo Texto corda
situação RecursosDict
situação/direção_do_agente tensor int32
situação/posição_do_agente RecursosDict
situação/posição_do_agente/coluna tensor int32
situação/posição_do_agente/linha tensor int32
situação/direção_para_alvo Texto corda
situação/distance_to_target tensor int32
situação/grid_size tensor int32
situação/objetos_colocados Seqüência
situação/objetos_colocados/objeto RecursosDict
situação/objetos_colocados/objeto/cor Texto corda
situação/objetos_colocados/objeto/forma Texto corda
situação/objetos_colocados/objeto/tamanho tensor int32
situação/objetos_colocados/posição RecursosDict
situação/objetos_colocados/posição/coluna tensor int32
situação/objetos_colocados/posição/linha tensor int32
situação/objetos_colocados/vetor Texto corda
situação/target_object RecursosDict
situação/objeto_alvo/objeto RecursosDict
situação/objeto_alvo/objeto/cor Texto corda
situação/objeto_alvo/objeto/forma Texto corda
situação/target_object/objeto/tamanho tensor int32
situação/target_object/posição RecursosDict
situação/target_object/posição/coluna tensor int32
situação/target_object/posição/linha tensor int32
situação/target_object/vetor Texto corda
target_commands Sequência (Texto) (Nenhum,) corda
verb_in_command Texto corda
@inproceedings{NEURIPS2020_e5a90182,
 author = {Ruis, Laura and Andreas, Jacob and Baroni, Marco and Bouchacourt, Diane and Lake, Brenden M},
 booktitle = {Advances in Neural Information Processing Systems},
 editor = {H. Larochelle and M. Ranzato and R. Hadsell and M. F. Balcan and H. Lin},
 pages = {19861--19872},
 publisher = {Curran Associates, Inc.},
 title = {A Benchmark for Systematic Generalization in Grounded Language Understanding},
 url = {https://proceedings.neurips.cc/paper/2020/file/e5a90182cc81e12ab5e72d66e0b46fe3-Paper.pdf},
 volume = {33},
 year = {2020}
}

@inproceedings{qiu-etal-2021-systematic,
    title = "Systematic Generalization on g{SCAN}: {W}hat is Nearly Solved and What is Next?",
    author = "Qiu, Linlu  and
      Hu, Hexiang  and
      Zhang, Bowen  and
      Shaw, Peter  and
      Sha, Fei",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.166",
    doi = "10.18653/v1/2021.emnlp-main.166",
    pages = "2180--2188",
}

grounded_scan/compositional_splits (configuração padrão)

  • Descrição da configuração : Exemplos para generalização composicional.

  • Tamanho do download : 82.10 MiB

  • Tamanho do conjunto de dados : 998.11 MiB

  • Divisões :

Dividir Exemplos
'adverb_1' 112.880
'adverb_2' 38.582
'contextual' 11.460
'dev' 3.716
'situational_1' 88.642
'situational_2' 16.808
'test' 19.282
'train' 367.933
'visual' 37.436
'visual_easier' 18.718

grounded_scan/target_length_split

  • Descrição da configuração : Exemplos para generalizar para comprimentos de destino maiores.

  • Tamanho do download : 53.41 MiB

  • Tamanho do conjunto de dados : 546.73 MiB

  • Divisões :

Dividir Exemplos
'dev' 1.821
'target_lengths' 198.588
'test' 37.784
'train' 180.301

grounded_scan/spatial_relation_splits

  • Descrição da configuração : Exemplos para raciocínio de relação espacial.

  • Tamanho do download : 89.59 MiB

  • Tamanho do conjunto de dados : 675.09 MiB

  • Divisões :

Dividir Exemplos
'dev' 2.617
'referent' 30.492
'relation' 6.285
'relative_position_1' 41.576
'relative_position_2' 41.529
'test' 28.526
'train' 259.088
'visual' 62.250