Embodied Reference Understandingタスクでは、受信者が、送信者の言語とジェスチャーの両方によって参照される対象物を見つけることを要求されます。この論文はREasoning from your Perspective (REP)モデルを提案し、受信者と送信者、送信者とオブジェクトの関係性を、新しい視点回転と関係推論によってモデル化します。