本文探讨了利用大型语言模型（LLMs）控制机器人，强调易用性、透明性和安全性。通过自然语言交流，多个LLMs协作，使人类能够理解和修改机器人行为。区块链技术用于存储和执行规则，确保机器人符合人类价值观。LLMs使机器人能够理解指令并自主决策，简化传统编程的复杂性。

本文回顾了视觉+语言领域中的多个任务和模型，并提出了将这些任务分为3个类别的思想。研究表明，未来的工作应该专注于交互式游戏，其中自然语言的交流对于解决不确定性是必要的。这些是发展基于神经模型的关键要求。

本文回顾了视觉+语言领域中的多个任务和模型，并将其分为区分性游戏、生成性游戏和交互式游戏三类。研究表明，未来的工作应该专注于交互式游戏，因为自然语言的交流对于解决关于物体指称和行动计划的不确定性是必要的。

该文介绍了一个新颖的框架，用于在随机序列多智能体环境中为智能体的决策提供因果解释。该框架通过自然语言交流回答用户的查询，涉及联想、干预或反事实的因果推理。该方法利用生成模型模拟反事实世界，识别决策背后的重要原因。该方法在自动驾驶的运动规划中应用，并在耦合交互的模拟场景中进行了测试。结果表明，该方法能够正确识别和排名相关的原因，并向用户提供简明的解释。