计算机视觉（CV）和自然语言处理（NLP）早先是两个较为d立的研究L域。CV 重点关注如何用计算机代替人眼对目标完成识别、跟踪、测量等任务，对图像进行处理；NLP 则研究计算机如何处理、运用自然语言，包括语言生成、问答、对话等任务。近年来，以深度神经网络为代表的机器学习和模式识别技术被广泛应用于 CV 和 NLP L域，取得了目前先进的效果。
近年来，研究者们试图将动作控制也引入到「视觉-语言」任务的框架中。吴琦将此类任务命名为 V3A（Vision, Ask, Answer, Act），在给定视觉输入后，我们希望机器能够提出问题、回答问题、并通过和人以及机器之间的语言交流执行某些动作。
例如，「Vision+Ask」的任务包含视觉问题生成、根据问题生成查询、图像描述等；「Vision+Answer」的任务包含视觉问答、视觉对话等；「Vision+Act」的任务包含指称表达、视觉对齐（visual grounding）、语言引导的视觉导航、具身视觉问答、具身指称表达等。
| 资料获取 | |
| 服务机器人在展馆迎宾讲解 |
|
| 新闻资讯 | |
| == 资讯 == | |
| » 机器人图像处理的几种方法：点运算、图像增 | |
| » 机器人如何看到物体：由硬件图像采集和软件 | |
| » 机器人如何规划行走路线：全局规划方法，局 | |
| » 机器人应用的趋势：垂直化、工艺化、多样化 | |
| » 协作机器人的中国市场格局：初具雏形,未完 | |
| » 中国协作机器人市场前景:高速稳步增长,未 | |
| » 协作机器人市场的发展历程：起步期、调整期 | |
| » 机器人的安全解决方案:力感知方案,轻量化 | |
| » 机器人的视觉解决方案：2D视觉和 3D | |
| » 协作机器人与人形机器人的发展关系:应用领 | |
| » 2025年中国协作机器人产业发展蓝皮书, | |
| » 机器人工作站的安全规范及标准：安全防护空 | |
| » 机器人工作站的功能要求和环境条件：机器人 | |
| » 智能服务机器人的导引方式：固定路径导引方 | |
| » 自动导引机器人系统的组成:驱动系统 导航 | |
| == 机器人推荐 == | |
服务机器人(迎宾、讲解、导诊...) |
|
智能消毒机器人 |
|
机器人底盘 |
 |
