본 논문은 상황 인식 대화에서 지식 그래프를 활용한 새로운 대화 모델을 제시한다. 로봇의 언어, 상황, 다중 모드 입력 등의 감각 정보를 지식 그래프에 지속적으로 업데이트하고, 공간 이해 모듈 등을 통해 그래프를 풍부하게 만든다. 사용자 발화에 대한 응답은 지식 그래프를 탐색하여 자연어로 변환하는 그래프-텍스트 메커니즘을 사용한다. 이 변환 과정은 매개변수 함수를 이용하며, Wizard-of-Oz 상호작용 데이터를 통해 매개변수를 최적화한다. 최종적으로, 그래프-텍스트 변환 결과는 대규모 언어 모델의 프롬프트에 포함되어 응답을 생성한다. 실험 결과, 그래프-텍스트 방식이 의미적 삼중항 기반 방식보다 로봇 응답의 사실성을 향상시키는 것을 보여준다.
