9.14-广读最新研究方向论文核心思路汇总

SoarGraph: Numerical Reasoning over Financial Table-Text Data via Semantic-Oriented Hierarchical Graphs
摘要：在金融领域，为了实现对表格文本数据的智能理解，以前的研究通过问答任务探索了数值推理在表格文本内容上的应用。一个通用框架是从表格和文本中提取支持证据，然后对提取的证据进行数值推理以推断答案。然而，现有的模型容易遗漏支持证据，这限制了它们的性能。在本文中，我们提出了一种新颖的语义导向层次图（SoarGraph），它利用层次图来模拟不同元素（例如，问题、表格单元格、文本段落、数量和日期）之间的语义关系和依赖关系，以促进支持证据的提取并提高数值推理能力。我们在两个流行的基准测试（FinQA 和 TAT-QA 数据集）上进行实验，结果表明，我们的 SoarGraph 显著优于所有强大的基线，显示出显著的有效性。

Learning Environment-Aware Affordance for 3D Articulated Object Manipulation under Occlusions
摘要：在多样环境中感知和操作 3D 关节对象对于家庭助手机器人至关重要。最近的研究表明，点级 affordance 为下游操作任务提供了可操作的先验知识。然而，现有工作主要关注具有相同代理的单个对象场景，忽略了环境和对称性所施加的现实约束，例如遮挡和物理限制。在本文中，我们提出了一种环境感知 affordance 框架，该框架融合了对象级可操作先验和环境约束。与对象中心 affordance 方法不同，学习环境感知 affordance 面临着由于各种遮挡的复杂性而导致的组合爆炸挑战，这些遮挡由它们的数量、几何形状、位置和姿态所特征。为了解决这个问题并提高数据效率，我们引入了一种新颖的对比性 affordance 学习框架，该框架能够在包含单个遮挡物的场景上进行训练，并推广到具有复杂遮挡组合的场景。实验证明了我们的方法在考虑环境约束的学习 affordance 方面的有效性。
关键词：先验知识约束

Rank2Tell: A Multimodal Driving Dataset for Joint Importance Ranking and Reasoning