Kan uw AI-agent beoordelen wanneer hij met u moet praten terwijl u aan het rijden bent? Volgens een KAIST-onderzoeksteam, hun technologie voor de conservering van voertuigen in voertuigen beoordeelt wanneer het gepast is om contact met u op te nemen om uw veiligheid te garanderen.

Professor Uichin Lee van de afdeling Industrial and Systems Engineering van KAIST en zijn onderzoeksteam hebben AI-technologie ontwikkeld die automatisch veilige momenten detecteert voor AI-agenten om gespreksdiensten aan chauffeurs te bieden.

Hun onderzoek richt zich op het oplossen van de potentiële problemen van afleiding die worden veroorzaakt door gespreksdiensten in voertuigen. Als een AI-agent op een ongelegen moment met een chauffeur praat, zoals bij het maken van een bocht, een auto-ongeluk zal vaker voorkomen.

Gespreksdiensten in voertuigen moeten zowel handig als veilig zijn. Echter, de cognitieve belasting van multitasking heeft een negatieve invloed op de kwaliteit van de dienstverlening. Gebruikers zijn over het algemeen meer afgeleid tijdens bepaalde verkeersomstandigheden. Om deze al lang bestaande uitdaging van de gespreksdiensten in voertuigen aan te gaan, het team introduceerde een samengesteld cognitief model dat rekening houdt met zowel veilig rijden als auditief-verbale serviceprestaties en gebruikte een machine learning-model voor alle verzamelde gegevens.

De combinatie van deze individuele maatregelen is in staat om de juiste gespreksmomenten en de meest geschikte soorten gespreksdiensten te bepalen. Bijvoorbeeld, in het geval van het leveren van informatie in een eenvoudige context, zoals een weersvoorspelling, alleen de veiligheid van de bestuurder zou de meest geschikte overweging zijn. In de tussentijd, bij het leveren van informatie die een reactie van de bestuurder vereist, zoals een "Ja" of "Nee, " de combinatie van veiligheid van de bestuurder en auditief-verbale prestaties moet worden overwogen.

Het onderzoeksteam ontwikkelde een prototype van een gespreksservice in voertuigen op basis van een navigatie-app die in echte rijomgevingen kan worden gebruikt. De app was ook verbonden met het voertuig om OBD-II/CAN-gegevens in het voertuig te verzamelen, zoals de stuurhoek en rempedaalstand, en mobiliteits- en milieugegevens zoals de afstand tussen opeenvolgende auto's en verkeersstromen.

Met behulp van pseudo-conversatiediensten, het onderzoeksteam verzamelde een real-world rijdataset bestaande uit 1, 388 interacties en sensorgegevens van 29 chauffeurs die interactie hadden met AI-gespreksagenten. Machine learning-analyse op basis van de dataset toonde aan dat de geschikte momenten voor onderbreking van de bestuurder correct konden worden afgeleid met een nauwkeurigheid van 87%.

De veiligheidsverbeteringstechnologie die door het team is ontwikkeld, zal naar verwachting de bestuurder afleiden die wordt veroorzaakt door gespreksdiensten in het voertuig. Deze technologie kan direct worden toegepast op de huidige systemen in voertuigen die gespreksdiensten leveren. Het kan ook worden uitgebreid en toegepast op de realtime detectie van afleidingsproblemen van de bestuurder veroorzaakt door het gebruik van een smartphone tijdens het rijden.

Professor Lee zei:"In de nabije toekomst, auto's zullen proactief verschillende gespreksdiensten in het voertuig leveren. Deze technologie zal voertuigen zeker helpen om veilig met hun chauffeurs om te gaan, aangezien het vrij nauwkeurig kan bepalen wanneer gespreksdiensten moeten worden geleverd met alleen basissensorgegevens die door auto's worden gegenereerd."