2022年8月，公司教师张晓春在校定C级期刊《IEEE Access》发表题为“ToD4IR: A Humanised Task-Oriented Dialogue System for Industrial Robots”的论文。

该论文指出，尽管面向任务的对话系统已成为对话研究领域的关注焦点，但将其与工业机器人相结合，并在真实制造场景中开展的相关研究仍较为匮乏。造成这一现状的核心掣肘在于，目前缺乏适用于训练该类系统的领域专用语料库；另一大难点则体现为，早期自然语言接口（如聊天机器人）在工业领域的落地尝试，大多以任务完成率作为核心评价指标，而面向社交机器人的对话系统设计往往更注重用户体验，这一设计导向尚未在工业机器人的相关研究中得以确立。

  为解决上述挑战，该文构建了工业机器人领域（Industrial Robots Domain Wizard-of-Ozdataset,IRWoZ）数据集，该数据集为全标注语料库，涵盖四大机器人应用领域，包含 401 组模拟车间工人与工业机器人的对话数据，旨在推动工业场景下语言辅助式人机交互发展。数据集融入了闲聊场景设计及人际对话策略，为生成类人化应答提供支持，同时构建更自然、灵活的对话环境，以提升用户体验与参与度。

  最后，该文基于IRWoZ数据集，提出并评估了一种面向工业机器人的端到端面向任务对话系统（Task-oriented Dialogue for Industrial Robots, ToD4IR），该系统采用GPT-2与GPT-Neo两种预训练骨干模型。通过一系列实验验证了 ToD4IR 在真实制造场景中的性能，结果表明：在IRWoZ数据集上，该系统在对话状态跟踪、对话行为生成及应答生成三大下游面向任务对话中，均优于现有基准模型。为支持可复现性研究，ToD4IR系统的源代码及IRWoZ 数据集已开源，获取地址为https://github.com/lcroy/ToD4IR。”

希望广大教师继续潜心研究，不断创新，多出成果。（撰稿：张晓春；一审：艾科妮；二审：周健；三审：戴道明）