DE102013209780B4 - Method and dialog system for improving vehicle safety by estimating a cognitive load of driving-related activities through a human-machine interface - Google Patents
Method and dialog system for improving vehicle safety by estimating a cognitive load of driving-related activities through a human-machine interface Download PDFInfo
- Publication number
- DE102013209780B4 DE102013209780B4 DE102013209780.8A DE102013209780A DE102013209780B4 DE 102013209780 B4 DE102013209780 B4 DE 102013209780B4 DE 102013209780 A DE102013209780 A DE 102013209780A DE 102013209780 B4 DE102013209780 B4 DE 102013209780B4
- Authority
- DE
- Germany
- Prior art keywords
- user
- cognitive load
- action
- dialog
- expression
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 title claims abstract description 17
- 230000009471 action Effects 0.000 claims abstract description 53
- 230000003993 interaction Effects 0.000 claims abstract description 26
- 230000014509 gene expression Effects 0.000 claims abstract description 23
- 230000007474 system interaction Effects 0.000 claims abstract 3
- 238000003825 pressing Methods 0.000 claims abstract 2
- 230000001755 vocal effect Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000945 filler Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- JOCBASBOOFNAJA-UHFFFAOYSA-N N-tris(hydroxymethyl)methyl-2-aminoethanesulfonic acid Chemical compound OCC(CO)(CO)NCCS(O)(=O)=O JOCBASBOOFNAJA-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
Abstract
Verfahren zum Verbessern der Fahrzeugsicherheit mittels Abschätzen einer kognitiven Belastung von auf das Fahren bezogenen Aktivitäten durch eine Mensch-Maschine-Schnittstelle, wobei das Verfahren umfasst Verwenden eines Computers, um:einen Ausdruck von kognitiver Belastung innerhalb eines Anwenderausdrucks zu identifizieren, der durch einen Anwender, der mit einem Dialogsystem (100) wechselwirkt, ausgedrückt wird, wobei das Dialogsystem (100) einen oder mehrere Sensoren umfasst, und wobei der Anwenderausdruck ein Aufbringen von Druck auf ein Lenkrad, wobei der Druck einen Schwellendruck überschreitet, umfasst; undein dynamisches Bayessches Netz zu verwenden, um ein Niveau der kognitiven Belastung, die vom Anwender erfahren wird, der mit dem Dialogsystem (100) wechselwirkt, auf der Basis des Ausdrucks der kognitiven Belastung abzuschätzen; wobei das Dialogsystem (100) eine Systemdialoghandlung durchführt, wobei ein Maschinenhandlungsgenerator (230) die Systemhandlung in eine Maschinendialoghandlung transformiert, und wobei die Maschinendialoghandlung ein Umlenken eines Fahrzeugs zu einem gewählten Ort oder ein Liefern einer Form von haptischer Rückmeldung umfasst.A method for improving vehicle safety by estimating a cognitive load of driving-related activities through a human-machine interface, the method comprising using a computer to:identify an expression of cognitive load within a user expression generated by a user, interacting with a dialog system (100), the dialog system (100) comprising one or more sensors, and wherein the user expression comprises applying pressure to a steering wheel, the pressure exceeding a threshold pressure; andusing a dynamic Bayesian network to estimate a level of cognitive load experienced by the user interacting with the dialog system (100) based on the expression of the cognitive load; wherein the interaction system (100) performs a system interaction action, wherein a machine action generator (230) transforms the system action into a machine interaction action, and wherein the machine interaction action comprises redirecting a vehicle to a selected location or providing some form of haptic feedback.
Description
HINTERGRUND DER VORLIEGENDEN ERFINDUNGBACKGROUND OF THE PRESENT INVENTION
Die vorliegende Erfindung bezieht sich im Allgemeinen auf Dialogsysteme und insbesondere auf das Abschätzen der kognitiven Belastung von Anwendern, die mit ihnen wechselwirken. Die kognitive Belastung kann als Maß der mentalen Anstrengung, die vom Anwender erfahren wird, betrachtet werden und kann explizit oder nicht explizit während der Wechselwirkung mit dem System ausgedrückt werden. Die Abschätzung der kognitiven Belastung während einer Anwenderwechselwirkung erleichtert das genauere Feststellen von echten Zielen des Anwenders. Wenn sie in Reisefahrzeugen implementiert werden, können solche Abschätzungen das Feststellen der kognitiven Belastung in Bezug auf Fahraktivitäten unterstützen.The present invention relates generally to dialog systems, and more particularly to estimating the cognitive load of users who interact with them. Cognitive load can be viewed as a measure of the mental effort experienced by the user and can be expressed explicitly or non-explicitly during interaction with the system. Estimating the cognitive load during a user interaction facilitates more accurate determination of the user's real goals. When implemented in touring vehicles, such assessments can aid in determining the cognitive load related to driving activities.
Solche Systeme werden in vielen verschiedenen Anwendungen verwendet, einschließlich unter anderem Kraftfahrzeugsicherheit, Telemetriesystemen, die verwendet werden, um Fahrzeuge fernzuwarten, oder Infotainmentaktivitäten, die die Erfassung oder die Verfolgung von interessierenden Freizeitangelegenheiten gemäß der ausgedrückten Absicht während Dialogsitzungen erleichtern. Es sollte erkannt werden, dass solche Systeme und Verfahren auch Anwendung in beliebigen Fahrzeugeinrichtungen haben, einschließlich Zug- und Flugzeugreise und Vergnügungsfahrten.Such systems are used in many different applications, including but not limited to automotive safety, telemetry systems used to remotely service vehicles, or infotainment activities that facilitate the capture or tracking of recreational matters of interest according to the expressed intent during dialog sessions. It should be recognized that such systems and methods also have application in any vehicle installation, including train and plane travel and pleasure cruises.
Typische auf den Fahrer bezogene Aktivitäten, die eine kognitive Belastung bei einem Fahrer verursachen können, umfassen Straßenbedingungen, Verkehrsbedingungen, Fahrgastaktivitäten, Fahrkomfort und leichte Bedienung, Fahr- oder Reisezeit und Fahrerfahrung.Typical driver-related activities that can cause cognitive load in a driver include road conditions, traffic conditions, passenger activities, ride comfort and ease of use, driving or travel time, and driving experience.
US 2011 / 0 207 099 A1 offenbart ein Verfahren zum Messen der kognitiven Belastung einer Person, die an einem Online-Unterricht teilnimmt, wobei die kognitive Belastung der Person an den Lehrer übermittelt wird. Hierbei wird zuerst eine wortbasierte Eingabe von der Person empfangen, die sie erzeugt, während sie eine Aufgabe ausführt. Ferner kann die Eingabe auch als Texteingabe über eine Tastatur oder einen digitalen Stift erfolgen. Aus der wortbasierten Eingabe werden vorbestimmte grammatikalische Merkmale identifiziert. Die identifizierten grammatikalischen Merkmale werden schließlich basierend auf der Aufgabe gewichtet und kombiniert, um ein Maß zu erhalten, das die kognitive Belastung der Person angibt, wobei die Aufgabe basierend auf vorbestimmten Aufgaben und Benutzerprofilen klassifiziert wird. Weiterer Stand der Technik ist aus
ZUSAMMENFASSUNGSUMMARY
Aufgabe der Erfindung ist es, ein verbessertes Verfahren und Dialogsystem zum Verbessern der Fahrzeugsicherheit mittels Abschätzen einer kognitiven Belastung von auf das Fahren bezogenen Aktivitäten durch eine Mensch-Maschine-Schnittstelle bereitzustellen.The object of the invention is to provide an improved method and dialog system for improving vehicle safety by estimating a cognitive load of driving-related activities through a human-machine interface.
Zur Lösung der Aufgabe sind ein Verfahren mit den Merkmalen des Anspruchs 1 und ein Dialogsystem mit den Merkmalen des Anspruchs 5 vorgesehen. Vorteilhafte Ausbildungen der Erfindung sind den Unteransprüchen, der Beschreibung und den Zeichnungen zu entnehmen.A method with the features of claim 1 and a dialog system with the features of claim 5 are provided to solve the problem. Advantageous developments of the invention can be found in the dependent claims, the description and the drawings.
Figurenlistecharacter list
Der Gegenstand, der als die Erfindung betrachtet wird, wird im abschließenden Teil der Patentbeschreibung besonders aufgezeigt und deutlich beansprucht. Die Erfindung kann jedoch in Bezug auf Komponenten, Merkmale, das Betriebsverfahren und Vorteile am besten durch Bezugnahme auf die folgende ausführliche Beschreibung und die begleitenden Zeichnungen verstanden werden, in denen:
-
1 ein schematisches Blockdiagramm einer Hardware, die in Dialogsystemen verwendet wird, gemäß einer Ausführungsform der vorliegenden Erfindung ist; -
2 ein schematisches Blockdiagramm von primären Softwaremodulen, die in einem Dialogsystem verwendet werden, gemäß einer Ausführungsform der vorliegenden Erfindung ist; -
3 ein Ablaufplan, der ein Verfahren darstellt, das vom System von1 und2 verwendet wird, gemäß einer Ausführungsform der vorliegenden Erfindung ist; -
4 ein teilweises Bayessches Netz, das im Systemen von1 und2 verwendet wird, zum statistischen Modellieren der Auswirkung der kognitiven Belastung auf Anwenderzielabschätzungen ist; und -
5 ein nichtflüchtiges, computerlesbares Medium, auf dem Befehle zum statistischen Modellieren der kognitiven Belastung eines Anwenders, der mit einem Dialogsystem wechselwirkt, gespeichert sind, gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
-
1 Figure 12 is a schematic block diagram of hardware used in dialog systems according to an embodiment of the present invention; -
2 Figure 12 is a schematic block diagram of primary software modules used in a dialog system according to an embodiment of the present invention; -
3 a flowchart depicting a procedure used by the system of1 and2 is used according to an embodiment of the present invention; -
4 a partial Bayesian network used in the systems of1 and2 is used to statistically model the impact of cognitive load on user goal estimates; and -
5 Figure 11 illustrates a non-transitory, computer-readable medium storing instructions for statistically modeling the cognitive load of a user interacting with a dialog system, according to an embodiment of the present invention.
Es ist zu erkennen, dass wegen der Deutlichkeit die in den Figuren gezeigten Elemente nicht notwendigerweise maßstäblich gezeichnet wurden und Bezugszeichen in verschiedenen Figuren wiederholt werden können, um entsprechende oder analoge Elemente anzugeben.It will be appreciated that for the sake of clarity, the elements shown in the figures have not necessarily been drawn to scale, and reference numbers may be repeated in different figures to indicate corresponding or analogous elements.
AUSFÜHRLICHE BESCHREIBUNG DER VORLIEGENDEN ERFINDUNGDETAILED DESCRIPTION OF THE PRESENT INVENTION
In der folgenden ausführlichen Beschreibung werden zahlreiche Details dargelegt, um für ein gründliches Verständnis der Erfindung zu sorgen. Für den Fachmann auf dem Gebiet ist es jedoch verständlich, dass die vorliegende Erfindung ohne diese spezifischen Details ausgeführt werden kann. Der Deutlichkeit halber werden gut bekannte Verfahren, Prozeduren und Komponenten nicht im Einzelnen beschrieben.In the following detailed description, numerous details are set forth in order to provide a thorough understanding of the invention. However, it should be understood by those skilled in the art that the present invention may be practiced without these specific details. For the sake of clarity, well-known methods, procedures, and components are not described in detail.
Die vorliegende Erfindung ist ein Dialogsystem, das wirksam ist, um die kognitive Belastung von Anwendern, die mit dem System wechselwirken, zu modellieren.The present invention is a dialog system effective to model the cognitive load of users interacting with the system.
Die folgenden Begriffe werden in diesem ganzen Dokument verwendet:
- „Anwendertätigkeit“ bezieht sich auf einen Anwenderausdruck, der in irgendeiner Modalität oder Kombination von Modalitäten ausgedrückt wird, während er mit einem Dialogsystem wechselwirkt. Die Anwendertätigkeit kann eine explizite Zielaussage, eine Bestätigung oder eine Antwort auf eine Maschinen-Dialog-Handlung und einen Ausdruck von kognitiver Belastung umfassen.
- "User action" refers to a user expression expressed in any modality or combination of modalities while interacting with a dialog system. User action may include an explicit goal statement, an acknowledgment or response to a machine dialog action, and an expression of cognitive load.
Die Zielaussage kann beispielsweise auf das Durchführen einer Tätigkeit wie Buchen von Reservierungen in einem Restaurant oder Anfordern von Informationen oder Liefern von Informationen gerichtet sein.For example, the goal statement may be directed to performing an activity such as booking reservations at a restaurant or requesting information or providing information.
Ein Ausdruck von kognitiver Belastung kann als entweder Unflüssigkeit, die in eine Anwendertätigkeit eingebettet ist, oder als explizite Aussage, die eine kognitive Belastung angibt, oder eine Kombination von beiden ausgedrückt werden. Unflüssigkeiten sind insofern regional und zeitempfindlich, als sie Abweichungen von Kulturstandards des Ausdrucks widerspiegeln, die von einer Region zur anderen und von einer Zeitdauer zur anderen variieren, und daher kann eine Unflüssigkeit in einer Region nicht als Unflüssigkeit in einer anderen Region betrachtet werden, ebenso ändern sich auch Standards des Ausdrucks mit der Zeit und daher werden Unflüssigkeiten im relevanten sozialen Zusammenhang ausgewertet. Wie angegeben, ist die vorliegende Erfindung in irgendeiner von einer Vielfalt von Modalitäten des Ausdrucks wirksam; verbaler Ausdruck, physikalischer Kontakt oder durch Symbolik.An expression of cognitive load can be expressed as either disfluency embedded in user activity, or as an explicit statement indicating cognitive load, or a combination of both. Disfluencies are regionally and time-sensitive in that they reflect deviations from cultural standards of expression that vary from one region to another and from one time period to another, and thus a disfluency in one region cannot be considered a disfluency in another region, equally changing standards of expression also change over time and therefore disfluencies are evaluated in the relevant social context. As indicated, the present invention is operative in any of a variety of modalities of expression; verbal expression, physical contact or through symbolism.
Typische Beispiele von verbalen Unflüssigkeiten umfassen unter anderem:
- - Aussprachefehler
- - Abgeschnittene Worte oder Sätze mitten in der Äußerung
- - Füllworte von nicht lexikalischen Vokabeln wie z. B. „uh“, „ähm“, „gut“, „err“ und „yea“
- - Füllworte von lexikalischen Vokabeln wie z. B. „mal sehen“
- - Wiederholungen von Worten, Ausdrücken oder Silben
- - Verbesserte Äußerungen, in denen der Sprecher seine eigenen Versprecher korrigiert
- - Verlängerte Pausen zwischen Worten
- - Wortaustausch wie z. B. „Wie viel ... teuer ist es?“
- - Artikulationsfehler wie z. B. „Hier auf links wenden“
- - Falsche Starts wie „Ja es ist ... tatsächlich ist es ...“
- - pronunciation error
- - Cut off words or sentences in the middle of the utterance
- - Filler words of non-lexical vocabulary such as e.g. B. "uh", "um", "gut", "err" and "yea"
- - Filler words from lexical vocabulary such as B. "Let's see"
- - Repetition of words, phrases or syllables
- - Improved utterances where the speaker corrects his own slips of the tongue
- - Extended pauses between words
- - exchange of words such as B. "How much... expensive is it?"
- - Articulation errors such as B. "Turn left here"
- - False starts like "yes it is... actually it is..."
Explizite Aussagen, die auf kognitive Belastung hinweisen, umfassen unter anderem „Warte“, „Bleib dran“, „Mach weiter“, „Sag das noch mal“, „Bitte wiederhole“, „Geh zurück“.Explicit statements indicating cognitive load include, but are not limited to, “wait”, “hang in there”, “go on”, “say that again”, “please repeat”, “go back”.
Beispiele von visuellen Unflüssigkeiten umfassen unter anderem Gesichtsgesten und unübliche Handbewegungen, die durch ein Bildaufnahmesystem detektiert werden können, wie Tippen auf das Lenkrad oder Armaturenbrett.Examples of visual non-smoothness include, but are not limited to, facial gestures and unusual hand movements that can be detected by an imaging system, such as tapping on the steering wheel or dashboard.
Beispiele von Unflüssigkeiten, die durch physikalischen Kontakt übermittelt werden, umfassen unter anderem Aufbringen eines mehr als normalen Drucks auf das Lenkrad, Tippen auf das Lenkrad oder das Armaturenbrett mit den obigen vorbestimmten Standards von Kraft oder Häufigkeit oder Aufbringen einer Kraft auf einen Abschnitt eines Armaturenbretts, dem ein Vorrichtungsaktuator wie ein Schalter oder eine Taste fehlt, oder Berühren eines Berührungsbildschirms auf einem Abschnitt, dem ein virtueller Vorrichtungsaktuator fehlt.Examples of influencing mediated by physical contact include, but are not limited to, applying more than normal pressure to the steering wheel, tapping the steering wheel or dashboard with the above predetermined standards of force or frequency, or applying force to a portion of a dashboard, lacking a device actuator such as a switch or button, or touching a touch screen on a portion lacking a virtual device actuator.
„Anwenderdialoghandlungen“ beziehen sich gemäß Ausführungsformen auf das Verstehen von Anwenderhandlungen durch ein Dialogsystem, einschließlich beliebiger zugehöriger Unflüssigkeit oder Aussage, die auf kognitive Belastung hinweist, in irgendeiner Modalität oder Kombination von Modalitäten. Anwenderdialoghandlungen werden auch als „Anwenderdialogtätigkeiten“ oder „Beobachtungsvariablen“ bezeichnet. Das Verstehen von Anwenderhandlungen kann über ein Sprach- oder multimodales Verständnissystem innerhalb des Dialogsystems erreicht werden."User dialog actions" refer, according to embodiments, to a dialog system's understanding of user actions, including any associated non-fluency or statement indicative of cognitive load, in any modality or combination of modalities. User interaction actions are also referred to as "user interaction actions" or "observation variables". Understanding user actions can be achieved via a language or multimodal understanding system within the dialog system.
„Maschinendialoghandlungen“ beziehen sich auf Tätigkeiten, die von einem Dialogsteuermodul in irgendeiner Modalität oder Kombination von Modalitäten auf der Basis einer Annahme des Anwenderziels, der Anwendung einer Richtlinie und anderen relevanten Parametern unternommen werden. Maschinendialoghandlungen werden gemäß Ausführungsformen in Maschinenhandlungen durch einen Maschinenhandlungsgenerator umgesetzt."Machine dialog actions" refer to actions taken by a dialog control module in any modality or combination of modalities based on an assumption of the user's goal, the application of a policy, and other relevant parameters. According to embodiments, machine dialog actions are converted into machine actions by a machine action generator.
„Dialogsteuermodul“ bezieht sich auf eine Komponente des Dialogsystems, die eine Richtlinie anwendet, die die Wechselwirkung zwischen einem Anwender und dem Dialogsystem steuert, wie weiter erörtert wird."Dialog Control Module" refers to a component of the dialog system that applies a policy that controls the interaction between a user and the dialog system, as will be discussed further.
Die vorliegende Erfindung bezieht sich auf Mensch-Maschine-Dialogsysteme und bezieht sich insbesondere auf Dialogsysteme, die dazu konfiguriert sind, Effekte von kognitiver Belastung zu modellieren, die kognitive Belastung kann von auf das Fahren bezogenen Aktivitäten oder von anderen Quellen ausgehen.The present invention relates to human-machine interaction systems, and more particularly relates to interaction systems configured to model effects of cognitive load, the cognitive load may emanate from driving-related activities or from other sources.
Einige Mensch-Maschine-Dialogsysteme sind dazu konfiguriert, Anwenderziele auf der Basis einer expliziten Eingabe, die die Anwenderhandlungen zum System übermittelt, statistisch zu modellieren. Ausführungsformen der vorliegenden Erfindung können auch Effekte von kognitiver Belastung, die durch auf das Fahren bezogene oder andere Aktivitäten erzeugt wird, die zur ungenauen Abschätzung von Anwenderzielen führen, statistisch modellieren.Some human-machine interaction systems are configured to statistically model user goals based on explicit input that conveys the user's actions to the system. Embodiments of the present invention can also statistically model effects of cognitive load generated by driving-related or other activities that result in inaccurate estimation of user goals.
Zusätzlich zu manuell betriebenen Fahrzeugen können Ausführungsformen des vorliegenden Systems auch Anwendung in autonomen Fahrzeugen haben. Das Dialogsystem in diesen Anwendungen kann ein Niveau einer erwarteten kognitiven Belastung, die von einem Fahrer erlitten werden soll, wenn das autonome Fahren auf manuelles Fahren umgesetzt wird, bewerten.In addition to manually operated vehicles, embodiments of the present system may also have application in autonomous vehicles. The dialog system in these applications can assess a level of expected cognitive load to be suffered by a driver when converting autonomous driving to manual driving.
Wenn man sich nun den Figuren zuwendet, ist
Das Dialogsystem 100 umfasst einen oder mehrere Prozessoren oder Controller 20, einen Speicher 30, einen Langzeitdatenspeicher 40, Eingabevorrichtungen 50 und Ausgabevorrichtungen 60.
Der Prozessor oder Controller 20 umfasst eine Zentraleinheit oder mehrere Prozessoren. Der Speicher 30 kann ein Direktzugriffsspeicher (RAM), ein Festwertspeicher (ROM) sein. Es sollte erkannt werden, dass Bilddaten, ein Code und andere relevante Datenstrukturen im vorstehend angegebenen Speicher und/oder in den Speichervorrichtungen gespeichert werden.The processor or
Der Speicher 30 umfasst unter anderem einen Direktzugriffsspeicher, einen Flash-Speicher oder irgendeine andere Kurzzeitspeicheranordnung.
Langzeitdatenspeichervorrichtungen 40 umfassen unter anderem ein Festplattenlaufwerk, ein Diskettenlaufwerk, ein Kompaktdisklaufwerk oder irgendeine Kombination von solchen Einheiten.Long-term
Das Dialogsystem 100 umfasst unter anderem ein oder mehrere Sensoren, eine Digitalkamera und eine Videokamera einer Computersicht 10. Bilddaten können auch in das Dialogsystem 100 von nicht zweckgebundenen Vorrichtungen oder Datenbanken eingegeben werden.The
Nicht begrenzende Beispiele von Eingabevorrichtungen 50 umfassen unter anderem durch Audioerfassung und Berührung betätigte Eingabevorrichtungen, einschließlich Berührungssensoren, die in der Nähe von anderen Vorrichtungsaktuatormitteln wie Tasten, Knöpfen, Schaltern und Berührungsbildschirmen angeordnet sind.Non-limiting examples of
Nicht begrenzende Beispiele von Ausgabevorrichtungen 60 umfassen unter anderem, visuelle, Audio- und haptische Rückkopplungsvorrichtungen. Es sollte erkannt werden, dass gemäß einer Ausführungsform Eingabevorrichtungen 50 und Ausgabevorrichtungen 60 zu einer einzelnen Vorrichtung kombiniert sein können. Non-limiting examples of
Das Dialogsteuermodul 225 ist gemäß einer Ausführungsform der Erfindung dazu konfiguriert, ein Anwendermodell mit Wahrscheinlichkeitsverteilungen von kognitiver Belastung des Anwenders und Zielen des Anwenders anzuwenden und eine Richtlinie anzuwenden, um über eine optimale Systemdialoghandlung zum Erreichen des echten Ziels des Anwenders zu entscheiden.The
Der Maschinenhandlungsgenerator 230 ist gemäß Ausführungsformen der vorliegenden Erfindung dazu konfiguriert, die Systemdialoghandlung in eine Maschinenhandlung zu transformieren.The
In Schritt 300 wird ein Anwenderausdruck in irgendeiner der relevanten Modalitäten mit der vorstehend angegebenen geeigneten Eingabevorrichtung erfasst.In
In Schritt 310 identifiziert ein Verständnismodul Anwenderdialoghandlungen mit Unflüssigkeiten und Aussagen, die auf kognitive Belastung hinweisen, wie vorstehend in einer Ausführungsform der Erfindung angegeben. Beispiele von verbalen Unflüssigkeiten umfassen die vorstehend angegebenen Aussprachefehler, Beschneidungen, lexikalischen und nicht lexikalischen Füllwörter, Wiederholungen, verbesserten Äußerungen und verlängerten Pausen. Diese Unflüssigkeiten können durch ein Spracherkennungssystemmodul erkannt und durch einen semantischen Analysator analysiert und zu einem Dialogsteuermodul als Teil einer Liste von Alternativen weitergeleitet werden, wie weiter erörtert wird.At
Analog können visuelle und Unflüssigkeiten, die durch Berührung übermittelt werden, auch als Indikatoren für kognitive Belastung verwendet werden, wie vorstehend angegeben.Similarly, visual and tactile disfluencies can also be used as indicators of cognitive load, as noted above.
Das Folgende ist ein Beispiel einer verbalen Unflüssigkeit, die als falscher Start ausgedrückt wird, wenn chinesisches Essen angefordert wird:
Eine solche Aussage kann als Anwenderdialoghandlung analysiert werden, in die Attribute für Unflüssigkeiten oder explizite Ausdrücke von kognitiver Belastung eingebettet sind. Beispielsweise kann die obige Aussage analysiert werden als:
In einem zweiten Beispiel kann eine Anforderung für Informationen über chinesisches Essen, bei der der Anwender explizit um eine Zeitverzögerung bittet, indem er beispielsweise „Warte“ sagt, analysiert werden als:
Zusätzliche Attribute umfassen unter anderem ‚Fortsetzen‘, ‚Wiederholen“ ‚und ‚Zurückkehren‘.Additional attributes include 'resume', 'repeat' and 'return', among others.
Nach dem Analysieren werden Anwenderdialoghandlungen gemäß bestimmten Ausführungsformen Vertrauenspunktwerte zugewiesen, die als am wahrscheinlichsten die Anwenderhandlung darstellend bestimmt werden.After analyzing, user interaction actions are assigned confidence point values that are determined to most likely represent the user action, according to certain embodiments.
In Schritt 320 bestimmt ein Anwendermodell, das wirksam ist, um unter Verwendung der Anwenderdialoghandlungen, die in Schritt 310 identifiziert werden, und anderen Faktoren die kognitive Belastung zu modellieren, eine Zielliste und zugehörige Wahrscheinlichkeiten und optional eine Abschätzung der kognitiven Belastung. Anwendermodelle, die verwendet werden können, umfassen unter anderem Bayessche Netze, Neuronennetze oder irgendein anderes Modell, das eine solche Funktionalität bereitstellt.In
In Schritt 330 wendet ein Dialogsystem gemäß einer Ausführungsform der Erfindung eine Richtlinie auf die resultierende Zielliste an, um über eine Maschinendialoghandlung zu entscheiden. Die Richtlinie kann in bestimmten Ausführungsformen im Voraus aus einem Lernprozess der Richtlinie unter Verwendung von Dialogerfolgsmetriken, Belohnungen und Wechselwirkungsprotokollen bestimmt werden.In
In Schritt 340 führt ein Dialogsystem gemäß Ausführungsformen eine Systemdialoghandlung 340 auf der Basis der in Schritt 330 getroffenen Richtlinienentscheidung durch. Beispiele von Maschinendialoghandlungen umfassen unter anderem das Bitten des Anwenders um mehr Informationen, das Anfordern von verbaler Bestätigung, das Umlenken eines Fahrzeugs zu einem gewählten Ort, das Wiedergeben von ausgewählter Musik, das Liefern einer Form von haptischer Rückmeldung oder irgendeine Kombination der Obigen.In
Insbesondere hängt in jeder Dialogrunde die Variable 410 der kognitiven Belastung in bestimmten Ausführungsformen von vorherigen Dialogrundevariablen; einer Variable des vorherigen Anwenderziels 415; einer Variable 420 der vorherigen Maschinendialoghandlung und einer Variable 425 der vorherigen kognitiven Belastung ab.In particular, in each dialog round, in certain embodiments, the
Ferner sind Parameter von Wahrscheinlichkeitsverteilungen, die die Abhängigkeit der Variable 410 der kognitiven Belastung von jeder von diesen Variablen darstellen, in Knoten 415A, 420A und 425A gemäß Ausführungsformen dargestellt. Insbesondere hängt die Arbeitslastvariable 410 vom Parameter 415A, der der Variable 415 des vorherigen Anwenderziels zugeordnet ist, vom Parameter 420A, der der beobachteten Maschinendialoghandlung 420 zugeordnet ist, und vom Parameter 425A, der der kognitiven Belastung 425 zugeordnet ist, ab. Diese Parameter können unter Verwendung einer Datenbank von Dialogmustern in einer zweckgebundenen Lernsitzung berechnet werden. Dialogmuster des gegenwärtigen Anwenders können zum Lernen verwendet werden; oder Dialogprotokolle von mehreren Anwendern können in einer Lernstufe gemäß Ausführungsformen verwendet werden. Außerdem können die Parameter gemäß Ausführungsformen durch Erwartungsausbreitung gelernt werden. Die Arbeitslastvariable 410 kann gemäß einer Ausführungsform der Erfindung irgendeines von drei Niveaus der kognitiven Arbeitslast; „niedrig“, „mittel“ und „hoch“ annehmen.Further, parameters of probability distributions representing the dependence of the cognitive load variable 410 on each of those variables are shown in
Mit Fortsetzung mit dem dynamischen Bayesschen Netz kann die kognitive Arbeitslast 410 wiederum als zwanglose Abhängigkeit für die Anwendertätigkeit 435 modelliert werden, die gemäß Ausführungsformen wiederum so modelliert wird, dass sie vom Anwenderziel 430 abhängt.Continuing with the dynamic Bayesian network,
Die Abhängigkeit der Anwendertätigkeit 435 von der Arbeitslast wird auch parametrisiert, wie durch den Parameter 435A dargestellt, wie vorstehend angegeben.The dependency of
Die Anwenderdialoghandlung 440 ist eine Beobachtungsvariable oder eine beobachtete Anwenderdialoghandlungsvariable und wird in bestimmten Ausführungsformen als direkt von der Anwenderhandlung 435 abhängig modelliert.
Im Betrieb kann die kognitive Arbeitslast 410 gemäß Ausführungsformen durch Erwartungsausbreitung im Bayesschen Netz in Anbetracht der beobachteten Variablen 440 und 420 abgeschätzt werden.In operation, the
Als erläuterndes Beispiel dessen, wie sich zwanglose Abhängigkeiten auf die gegenwärtige kognitive Belastung auswirken können, bestünde dann in bestimmten Ausführungsformen unter der Annahme, dass das vorherige Anwenderziel 415 arbeitsintensiv ist, eine entsprechend hohe bedingte Wahrscheinlichkeit, dass die gegenwärtige kognitive Arbeitslast 410 vom vorherigen Anwenderziel 415 abhängt. In einer vorherigen Dialogrunde kann beispielsweise ein Anwenderziel zum Finden eines nicht festgelegten Stücks von „Rock“-Musik aus einer sehr großen Auswahl zur gegenwärtigen kognitiven Belastung beitragen.As an illustrative example of how informal dependencies can affect current cognitive load, in certain embodiments, assuming that the
Ebenso kann sich auch eine vorherige Maschinendialoghandlung 420 zum Anzeigen einer langen Liste von Liedtiteln für die Auswahl durch den Anwender auf die gegenwärtige kognitive Belastung 410 auswirken. Die vorherige kognitive Belastung von 425 kann in bestimmten Ausführungsformen die gegenwärtige kognitive Belastung des Knotens 410 beeinflussen.Likewise, a previous
Das Anwendermodell von Abhängigkeiten kann verwendet werden, um eine Wahrscheinlichkeit von Anwenderzielen unter Verwendung von Verfahren des Bayesschen Erwartungsausbreitungsnetzes gemäß Ausführungsformen der Erfindung zu berechnen. Es sollte erkannt werden, dass Neuronennetzmodelle und andere Modelle, die eine solche Funktionalität bereitstellen, gemäß bestimmten Ausführungsformen auch verwendet werden können.The user model of dependencies may be used to calculate a probability of user goals using Bayesian expectational propagation network methods according to embodiments of the invention. It should be recognized that neural network models and other models that provide such functionality may also be used according to certain embodiments.
Ausführungsformen der vorliegenden Erfindung umfassen auch Vorkehrungen zum Abschätzen der kognitiven Belastung auf der Basis von Daten, die von Datenerfassungsvorrichtungen oder -systemen erhalten werden, die nicht auf das Dialogsystem bezogen sind. Dies kann durch Modellieren von solchen erfassten Daten als zusätzlicher beobachteter Knoten mit geeigneten Abhängigkeiten im Bayesschen Netzmodell durchgeführt werden.Embodiments of the present invention also include provisions for estimating cognitive load based on data obtained from data acquisition devices or systems unrelated to the dialogue system. This can be done by modeling such acquired data as an additional observed node with appropriate dependencies in the Bayesian network model.
Obwohl bestimmte Merkmale der Erfindung hier erläutert und beschrieben wurden, kommen nun dem Fachmann auf dem Gebiet viele Modifikationen, Substitutionen, Änderungen und Äquivalente in den Sinn. Daher sollen die beigefügten Ansprüche selbstverständlich alle solchen Modifikationen und Änderungen abdecken, die in den wahren Gedanken der Erfindung fallen.Although certain features of the invention have been illustrated and described herein, many modifications, substitutions, changes and equivalents will now occur to those skilled in the art. Therefore, it is to be understood that the appended claims should cover all such modifications and changes as fall within the true spirit of the invention.
Claims (8)
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261652587P | 2012-05-29 | 2012-05-29 | |
US61/652,587 | 2012-05-29 | ||
US13/761,541 | 2013-02-07 | ||
US13/761,541 US20130325482A1 (en) | 2012-05-29 | 2013-02-07 | Estimating congnitive-load in human-machine interaction |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102013209780A1 DE102013209780A1 (en) | 2013-12-05 |
DE102013209780B4 true DE102013209780B4 (en) | 2022-03-31 |
Family
ID=49579723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102013209780.8A Expired - Fee Related DE102013209780B4 (en) | 2012-05-29 | 2013-05-27 | Method and dialog system for improving vehicle safety by estimating a cognitive load of driving-related activities through a human-machine interface |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102013209780B4 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016008365A1 (en) | 2016-07-08 | 2018-01-11 | Audi Ag | Proactive control of an assistance system of a motor vehicle |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6731307B1 (en) | 2000-10-30 | 2004-05-04 | Koninklije Philips Electronics N.V. | User interface/entertainment device that simulates personal interaction and responds to user's mental state and/or personality |
US20060074670A1 (en) | 2004-09-27 | 2006-04-06 | Fuliang Weng | Method and system for interactive conversational dialogue for cognitively overloaded device users |
US20110207099A1 (en) | 2008-09-30 | 2011-08-25 | National Ict Australia Limited | Measuring cognitive load |
-
2013
- 2013-05-27 DE DE102013209780.8A patent/DE102013209780B4/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6731307B1 (en) | 2000-10-30 | 2004-05-04 | Koninklije Philips Electronics N.V. | User interface/entertainment device that simulates personal interaction and responds to user's mental state and/or personality |
US20060074670A1 (en) | 2004-09-27 | 2006-04-06 | Fuliang Weng | Method and system for interactive conversational dialogue for cognitively overloaded device users |
US20110207099A1 (en) | 2008-09-30 | 2011-08-25 | National Ict Australia Limited | Measuring cognitive load |
Also Published As
Publication number | Publication date |
---|---|
DE102013209780A1 (en) | 2013-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gold et al. | Modeling take-over performance in level 3 conditionally automated vehicles | |
EP3696737B1 (en) | Training action selection neural networks | |
DE102014118479B4 (en) | Affective user interface in an autonomous vehicle | |
DE102013222507B4 (en) | Method for adapting a speech system | |
DE102018007055A1 (en) | Generating a targeted summary of textual content that matches a target audience vocabulary | |
DE102013223036B4 (en) | Adaptation methods for language systems | |
DE102017223856A1 (en) | Dialogue system, vehicle with this and dialogue processing method | |
CN103445793B (en) | Method and the conversational system of cognitive load is estimated by man-machine interface | |
DE112016000509T5 (en) | Batch normalization layers | |
DE102015109758A9 (en) | Methods and systems for adapting speech systems | |
Wandtner et al. | Non-driving related tasks in highly automated driving-effects of task modalities and cognitive workload on take-over performance | |
DE102013224304A1 (en) | Driver recognition system and recognition method for a vehicle | |
DE102012218842A1 (en) | Method for adapting driver assistance system of vehicle such as car and truck, involves adapting driver assistance system based on certain property such as biometric property of driver of vehicle | |
DE102018131713A1 (en) | Routing of audio streams based on semantically generated result sets | |
DE112014005715T5 (en) | dialog Manager | |
DE112016006769B4 (en) | Method for sign language input into a user interface of a vehicle and vehicle | |
DE102018210375A1 (en) | Driver assistance system, vehicle, method for operating the driver assistance system, computer program and computer-readable storage medium | |
DE102013209780B4 (en) | Method and dialog system for improving vehicle safety by estimating a cognitive load of driving-related activities through a human-machine interface | |
DE102021212276A1 (en) | KNOWLEDGE DRIVEN AND SELF SUPERVISED QUESTION ANSWERING SYSTEM | |
DE102019105490A1 (en) | Method, device and computer program for operating a vehicle using a mobile user device | |
DE112015003357T5 (en) | Method and system for recognizing a voice prompt containing a word sequence | |
Galarza et al. | Improving road safety and user experience by employing dynamic in‐vehicle information systems | |
McWilliams et al. | A secondary assessment of the impact of voice interface turn delays on driver attention and arousal in field conditions | |
DE102007042583B4 (en) | Method for communication between a natural person and an artificial speech system and communication system | |
DE102019209457A1 (en) | Method for training an artificial neural network, artificial neural network, use of an artificial neural network and a corresponding computer program, machine-readable storage medium and corresponding device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G10L0015200000 Ipc: G06F0003010000 |
|
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |