DE102019113677A1 - Immer mithörende und aktive sprachunterstützung und fahrzeugbetrieb - Google Patents

Immer mithörende und aktive sprachunterstützung und fahrzeugbetrieb Download PDF

Info

Publication number
DE102019113677A1
DE102019113677A1 DE102019113677.6A DE102019113677A DE102019113677A1 DE 102019113677 A1 DE102019113677 A1 DE 102019113677A1 DE 102019113677 A DE102019113677 A DE 102019113677A DE 102019113677 A1 DE102019113677 A1 DE 102019113677A1
Authority
DE
Germany
Prior art keywords
vehicle
response
question
topic
occupant
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.)
Pending
Application number
DE102019113677.6A
Other languages
English (en)
Inventor
Sandeep Raj Gandiga
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of DE102019113677A1 publication Critical patent/DE102019113677A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/216Parsing using statistical methods
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08Interaction between the driver and the control system
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/211Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • G06F40/35Discourse or dialogue representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/40Processing or translation of natural language
    • G06F40/55Rule-based translation
    • G06F40/56Natural language generation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/1815Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/26Speech to text systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • G10L15/30Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223Execution procedure of a spoken command
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • User Interface Of Digital Computer (AREA)
  • Navigation (AREA)

Abstract

Diese Offenbarung stellt eine immer mithörende und aktive Sprachunterstützung und einen Fahrzeugbetrieb bereit. Ein Fahrzeug beinhaltet eine Schnittstelle. Das Fahrzeug beinhaltet eine Steuerung, die dazu konfiguriert ist, Themen zum Generieren einer Antwort auf eine Frage basierend auf einem Betriebsparameter eines Fahrzeugs auszuwählen und die Schnittstelle zu betreiben, um die Antwort an einen Insassen auszugeben. Dabei erfolgt die Auswahl als Reaktion auf eine Eingabe, die von Sprachäußerungen des Insassen stammt, und eine Vielzahl von unterschiedlichen Themen definiert und mit einer Frage endet.

Description

  • GEBIET DER TECHNIK
  • Diese Offenbarung betrifft den Betrieb von Fahrzeugen über aktive und immer mithörende Sprachunterstützung.
  • ALLGEMEINER STAND DER TECHNIK
  • Abfragesysteme geben Antworten auf Fragen, die nach einem Aufruf gestellt werden. Zum Beispiel kann ein Aufruf zu Beginn einer Wendung, wie etwa „Hallo Ford®, wie ist das Wetter heute?“, beinhaltet sein. Nach dem Aufruf „Hallo Ford®“ werden eine natürliche Sprachverarbeitung und künstliche Verfahren verwendet, um eine Antwort auf die Frage zu finden. Diese Kadenz, bei der ein Aufruf der Frage vorausgehen muss, kann mehr Anweisungen als nötig erfordern, um die Antwort bereitzustellen, weil Gespräche vor dem Aufruf ignoriert wurden.
  • KURZDARSTELLUNG
  • Ein Fahrzeug beinhaltet eine Schnittstelle. Das Fahrzeug beinhaltet eine Steuerung, die dazu konfiguriert ist, Themen zum Generieren einer Antwort auf eine Frage basierend auf einem Betriebsparameter eines Fahrzeugs auszuwählen und die Schnittstelle zu betreiben, um die Antwort an einen Insassen auszugeben. Dabei erfolgt die Auswahl als Reaktion auf eine Eingabe, die von Sprachäußerungen des Insassen stammt, und eine Vielzahl von unterschiedlichen Themen definiert und mit einer Frage endet.
  • Ein Verfahren durch eine Steuerung beinhaltet Auswählen eines Themas zum Generieren einer Antwort auf eine Frage basierend auf einem Betriebsparameter eines Fahrzeugs als Reaktion auf eine Eingabe, die von Sprachäußerungen eines Insassen stammt, und die eine Vielzahl von unterschiedlichen Themen definiert und mit einer Frage endet. Das Verfahren beinhaltet ferner Betreiben einer Schnittstelle, um die Antwort an den Insassen auszugeben.
  • Ein Fahrzeug beinhaltet eine Steuerung, die dazu konfiguriert ist, ein Thema aus einem Satz von Themen in den Sprachäußerungen basierend auf einem Betriebsparameter des Fahrzeugs zu isolieren und das Fahrzeug gemäß einer dem Thema in Bezug auf die Kennfragewendung zugeordneten Antwort, die durch einen Antwortalgorithmus bereitgestellt wird, zu betreiben.
  • Die Isolierung erfolgt als Reaktion auf das Empfangen von Sprachäußerungen, die eine Kennfragewendung beinhalten.
  • Figurenliste
    • 1 ist eine Darstellung eines Fahrzeugs mit einem Infotainmentsystem und zugehörigen Kommunikationsfähigkeiten;
    • 2 ist eine Darstellung eines Fahrzeugsteuersystems und von Peripheriegeräten;
    • 3A ist ein Algorithmus für immer mithörende Sprachsysteme; und
    • 3B ist ein Algorithmus zum Auswählen von Kontexten.
  • DETAILLIERTE BESCHREIBUNG
  • Ausführungsformen der vorliegenden Offenbarung werden hier beschrieben. Es versteht sich jedoch, dass die offenbarten Ausführungsformen lediglich Beispiele sind und andere Ausführungsformen verschiedene und alternative Formen annehmen können. Die Figuren sind nicht unbedingt maßstabsgetreu; einige Merkmale könnten vergrößert oder verkleinert dargestellt sein, um Details bestimmter Komponenten zu zeigen. Demnach sind hier offenbarte konkrete strukturelle und funktionelle Details nicht als einschränkend auszulegen, sondern lediglich als repräsentative Grundlage, um den Fachmann die vielfältige Verwendung der vorliegenden Erfindung zu lehren. Der Durchschnittsfachmann wird verstehen, dass verschiedene Merkmale, die unter Bezugnahme auf beliebige der Figuren veranschaulicht und beschrieben werden, mit Merkmalen kombiniert werden können, die in einer oder mehreren anderen Figuren veranschaulicht werden, um Ausführungsformen zu erzeugen, die nicht explizit veranschaulicht oder beschrieben sind. Die veranschaulichten Kombinationen von Merkmalen stellen repräsentative Ausführungsformen für typische Anwendungen bereit. Verschiedene Kombinationen und Modifikationen der Merkmale, die mit den Lehren dieser Offenbarung vereinbar sind, könnten jedoch für bestimmte Anwendungen oder Umsetzungen wünschenswert sein.
  • Fahrzeuginsassen führen Gespräche, in denen sie Ereignisse, Umstände oder Probleme in der Vergangenheit, der Gegenwart und der Zukunft erörtern. Anstatt eine reglementierte Kadenz, wie etwa: „Hallo Ford®, wie hoch ist die Außentemperatur“, zu verwenden, die einen Aufruf am Anfang erfordert, kann eine umgekehrte Kadenz verwendet werden. Fragen mit einer umgekehrten Kadenz können eine Kennfrage oder eine Kennfragewendung beinhalten und die Verarbeitungssoftware kann immer mithören. Da die Themen potentieller Fragen geordnet sind, wartet der Algorithmus auf einen Aufruf, wie etwa: „Ford®, was meinst Du dazu?“. Eine Kennfrage ist eine Frage, die einer Aussage folgt, anstatt einer Aussage voranzugehen. Eine Kennfragewendung kann einen Namen desjenigen beinhalten, an den die Frage gerichtet wird. Der immer mithörende und Kennfragen beantwortende Dienst stellt eine umgekehrte Kadenz bereit, bei der die Aussage getätigt, der Dienst aufgerufen und anschließend die Antwort bereitgestellt wird. Der immer mithörende Dienst kann zudem immer nach Antworten auf jedes Thema suchen, sodass die Antwort zur Präsentation für den Insassen ohne Weiteres verfügbar ist.
  • Ein mit einer umgekehrten Kadenz verbundenes Problem besteht darin, dass ein Gespräch mehrere beantwortbare Themen beinhalten kann und das gewünschte Antwortthema des Insassen nicht ganz klar ist. Ein beispielhaftes Gespräch ist nachstehend bereitgestellt:
    • Suzy sagt: „Das Detroit Symphony Orchestra spielt heute Abend in Detroit.“
    • John sagt: „Ich wette, wir haben genug Kraftstoff, um bis nach Detroit zu kommen, aber es wird sehr kalt sein.“ „Ford®, was meinst Du dazu?“
  • Das vorangehende Gespräch beinhaltete mindestens drei Themen: 1) das Detroit Symphony Orchestra spielt heute Abend in Detroit; 2) Ich wette, wir haben genug Kraftstoff, um bis nach Detroit zu kommen; und 3) es wird sehr kalt sein. Die Themen können basierend auf einem syntaktischen, einem kategorischen oder anderen Verfahren isoliert werden. Im Laufe der Zeit können die Themen untersucht und auf bestimmte Kontexte eingegrenzt werden. Bei den Kontexten kann es sich um breitgefächerte Kategorien von Themen handeln, auf die möglicherweise Antworten erforderlich sind. Die Kontexte können zudem Fahrzeuginsassen zur Auswahl präsentiert werden. Die Auswahl kann zudem über maschinelles Lernen bereitgestellt werden, sodass Themen gemäß den zuvor ausgewählten Themen ausgewählt werden. Das heißt, der Insasse kann die getroffene Themenauswahl auswählen und dann würde der maschinelle Lernalgorithmus die bevorzugten Kontexte automatisch aktualisieren. Nach der Auswahl des Themas basierend auf dem Kontext kann das Fahrzeug dem Insassen eine Antwort oder eine Angabe durch den Betrieb des Fahrzeugs oder die Anzeige der Antwort bereitstellen. Tatsächlich kann ein immer mithörender Algorithmus dazu verwendet werden, Themen zu identifizieren, die einen Antwortdienst erfordern, und nach einem Aufruf durch eine Kennfragewendung automatisch eine Antwort zu dem Thema bereitstellen.
  • 1 veranschaulicht ein beispielhaftes System 100, einschließlich eines Fahrzeugs 102, das einen immer mithörenden Antwortabrufalgorithmus umsetzt. Das Fahrzeug 102 kann ein Fahrzeugrechensystem (vehicle computing system - VCS) 106 beinhalten, das dazu konfiguriert ist, unter Verwendung einer Telematiksteuereinheit (telematics control unit - TCU) 120A über ein Weitverkehrsnetzwerk zu kommunizieren. Die TCU 120A kann verschiedene Modems 122 aufweisen, die dazu konfiguriert sind, über jeweilige Kommunikationswege und -protokolle zu kommunizieren. Obwohl in 1 ein beispielhaftes System 100 gezeigt ist, sollen die veranschaulichten beispielhaften Komponenten nicht der Einschränkung dienen. In der Tat kann das System 100 mehr oder weniger Komponenten aufweisen und es können zusätzliche oder alternative Komponenten und/oder Umsetzungen verwendet werden.
  • Bei dem Fahrzeug 102 kann es sich um verschiedene Arten von Automobilen, Softroadern (crossover utility vehicle - CUV), Geländewagen (sport utility vehicle - SUV), Lastwagen, Wohnmobilen (recreational vehicle - RV), Booten, Flugzeugen oder anderen mobilen Maschinen zum Befördern von Personen oder Transportieren von Gütern handeln. In vielen Fällen kann das Fahrzeug 102 von einer Brennkraftmaschine angetrieben werden. Als weitere Möglichkeit kann das Fahrzeug 102 ein Hybridelektrofahrzeug (hybrid electric vehicle - HEV) sein, das sowohl durch eine Brennkraftmaschine als auch durch einen oder mehrere Elektromotoren angetrieben wird, wie etwa ein Serienhybrid-Elektrofahrzeug (series hybrid electric vehicle - SHEV), ein Parallelhybrid-Elektrofahrzeug (parallel hybrid electrical vehicle - PHEV) oder ein Parallel-/Serienhybrid-Elektrofahrzeug (parallel/series hybrid electric vehicle - PSHEV). Da die Art und die Konfiguration des Fahrzeugs 102 variieren können, können dementsprechend auch die Fähigkeiten des Fahrzeugs 102 variieren. Als weitere Möglichkeiten können die Fahrzeuge 102 unterschiedliche Fähigkeiten in Bezug auf die Fahrgastkapazität, Schleppfähigkeit und -kapazität und das Lagervolumen aufweisen.
  • Das VCS 106 kann dazu konfiguriert sein, Sprachbefehls- und BLUETOOTH-Schnittstellen zum Fahrer und Fahrermobilgeräten zu unterstützen, Benutzereingaben über verschiedene Tasten oder andere Steuerungen zu empfangen und einem Fahrer oder (einem) anderen Insassen des Fahrzeugs 102 Fahrzeugstatusinformationen bereitzustellen. Ein beispielhaftes VCS 106 kann das SYNC®-System sein, das durch die FORD MOTOR COMPANY aus Dearborn, Michigan, bereitgestellt wird.
  • Das VCS 106 kann ferner verschiedene Arten von Rechenvorrichtungen zur Unterstützung der Leistung der Funktionen des hier beschriebenen VCS 106 beinhalten. In einem Beispiel kann das VCS 106 einen oder mehrere Prozessoren, die zum Ausführen von Computeranweisungen konfiguriert sind, und ein Speichermedium, auf dem die computerausführbaren Anweisungen und/oder Daten verwaltet werden können, beinhalten. Ein computerlesbares Speichermedium (auch als prozessorlesbares Medium oder prozessorlesbarer Speicher bezeichnet) beinhaltet ein beliebiges nichtflüchtiges (z. B. physisches) Medium, das an der Bereitstellung von Daten (z. B. Anweisungen) beteiligt ist, die von einem Computer (z. B. von dem/den Prozessor(en)) gelesen werden können. Im Allgemeinen empfängt ein Prozessor Anweisungen und/oder Daten, z. B. vom Speicher usw., an einen Arbeitsspeicher und führt die Anweisungen unter Verwendung der Daten aus, wodurch sie einen oder mehrere Prozesse durchführen, einschließlich eines oder mehrerer der in dieser Schrift beschriebenen Prozesse. Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder ausgewertet werden, die unter Verwendung einer Reihe von Programmiersprachen und/oder -technologien erstellt wurden, einschließlich unter anderem und entweder für sich oder in Kombination Java, C, C++, C#, Fortran, Pascal, Visual Basic, Python, Java Script, Perl, PL/SQL usw.
  • Das VCS 106 kann dazu konfiguriert sein, mit der TCU 120A zu kommunizieren. Die TCU 120A kann ein oder mehrere Modems 122 beinhalten, das/die zur paketvermittelten oder leitungsvermittelten Signalgebung in der Lage ist/sind. Die TCU 120A kann den Betrieb der Modems 122 derart steuern, dass ein geeigneter Kommunikationsweg verwendet wird. Die Modems können dazu konfiguriert sein, über eine Reihe von Kommunikationswegen zu kommunizieren. Die Wege können mit leitungsvermittelter 130, paketvermittelter 132, 134 Signalgebung oder einer Kombination daraus konfiguriert sein. Die Wege für paketvermittelte Kommunikation 132, 134 können auf Internetprotokollen (IP) basieren oder paketbasierte Vermittlung zur Informationsübertragung verwenden. Zum Beispiel kann es sich bei der paketvermittelten Kommunikation um Long-Term-Evolution(LTE)-Kommunikation handeln. In einigen Fällen kann es sich bei dem leitungsvermittelten 130 Kommunikationsweg um SIGTRAN oder eine andere Umsetzung handeln, wobei leitungsvermittelte Signalgebungsinformationen über IP übertragen werden. Die zugrundeliegenden Signalisierungsinformationen sind jedoch immer noch gemäß dem leitungsvermittelten Protokoll formatiert.
  • Das VCS 106 kann zudem Eingaben von Steuerungen 108 von Mensch-Maschine-Schnittstellen (human-machine interface - HMI) empfangen, die dazu konfiguriert sind, eine Interaktion der Insassen mit dem Fahrzeug 102 bereitzustellen. Beispielsweise kann das VCS 106 mit einer oder mehreren Tasten oder anderen HMI-Steuerungen 108, die dazu konfiguriert sind, Funktionen auf dem VCS 106 aufzurufen (z. B. Audiotasten am Lenkrad, einer Sprechtaste, Steuerungen am Armaturenbrett usw.), eine Schnittstelle herstellen. Das VCS 106 kann zudem eine oder mehrere Anzeigen 110, die dazu konfiguriert sind, z. B. über eine Videosteuerung eine visuelle Ausgabe für Fahrzeuginsassen bereitzustellen, antreiben oder anderweitig mit ihnen kommunizieren. In einigen Fällen kann die Anzeige 110 ein Touchscreen sein, der ferner dazu konfiguriert ist, berührungsbasierte Eingaben des Benutzers über die Videosteuerung zu empfangen, wohingegen die Anzeige 110 in anderen Fällen lediglich eine Anzeige ohne berührungsbasierte Eingabefähigkeiten sein kann. In einem Beispiel kann die Anzeige 110 eine Kopfeinheitsanzeige sein, die in einem Mittelkonsolenbereich der Kabine des Fahrzeugs 102 beinhaltet ist. Bei einem anderen Beispiel kann die Anzeige 110 ein Bildschirm eines Kombi-Instruments des Fahrzeugs 102 sein.
  • Das VCS 106 kann ferner dazu konfiguriert sein, über ein(en) oder mehrere fahrzeuginterne Netzwerke 112 oder Fahrzeugbusse 112 mit anderen Komponenten des Fahrzeugs 102 zu kommunizieren. Die fahrzeuginternen Netzwerke 112 können ein(e) oder mehrere von einem Controller Area Network (CAN) des Fahrzeugs, einem Ethernet-Netzwerk und einer mediengebundenen Systemübertragung (media oriented system transfer - MOST) beinhalten, um nur einige Beispiele zu nennen. Die fahrzeuginternen Netzwerke 112 können es dem VCS 106 ermöglichen, mit anderen Systemen des Fahrzeugs 102 zu kommunizieren, wie etwa einem Fahrzeugmodem der TCU 120A (das in einigen Konfigurationen unter Umständen nicht vorhanden ist), einem Modul 120B eines globalen Positionsbestimmungssystems (global positioning system - GPS), das dazu konfiguriert ist, Informationen zu dem/der aktuellen Standort und Richtung des Fahrzeugs 102 bereitzustellen, und verschiedenen anderen Fahrzeug-ECUs, die dazu konfiguriert sind, mit dem VCS 106 zu kooperieren. Unter anderem können zu den Fahrzeug-ECUs beispielsweise ein Antriebsstrangsteuermodul (powertrain control module - PCM) 120C, das dazu konfiguriert ist, die Betriebskomponenten des Motors zu steuern (z. B. Leerlaufreglerkomponenten, Komponenten der Kraftstoffzufuhr, Komponenten zur Emissionsminderung usw.) und die Betriebskomponenten des Motors zu überwachen (z. B. Status von Diagnosecodes des Motors); ein Karosseriesteuermodul (body control module - BCM) 120D, das dazu konfiguriert ist, unterschiedliche Funktionen zur Leistungssteuerung zu verwalten, wie etwa Außenbeleuchtung, Innenraumbeleuchtung, schlüsselloser Zugang, Fernstart, und den Status von Zugangspunkten überprüft (z. B. Schließstatus der Motorhaube, der Türen und/oder des Kofferraums des Fahrzeugs 102); eine Funksendeempfangsmodul (radio transceiver module - RCM) 120E, das dazu konfiguriert ist, mit Schlüsselanhängern oder anderen lokalen Vorrichtungen des Fahrzeugs 102 zu kommunizieren; ein Modul zur Klimatisierungsverwaltung (climate control management - CCM) 120 F, das dazu konfiguriert ist, die Heiz- und Kühlsystemkomponenten zu steuern und zu überwachen (z. B. Steuerung von Kompressorkupplung und Gebläselüfter, Temperatursensorinformationen usw.); und ein Batteriesteuermodul (battery control module - BACM) 120G gehören, das dazu konfiguriert ist, den Ladezustand oder andere Parameter der Batterie 104 des Fahrzeugs 102 zu überwachen.
  • In einem Beispiel kann das VCS 106 dazu konfiguriert sein, durch Kommunizieren mit der TCU 120A über einen Fahrzeugbus 112 auf die Kommunikationsmerkmale der TCU 120A zuzugreifen. Um einige Beispiele zu nennen, kann der Fahrzeugbus 112 einen Controller-Area-Network(CAN)-Bus, einen Ethernet-Bus oder einen MOST-Bus beinhalten. In anderen Beispielen kann das VCS 106 über ein Servermodem 152 unter Verwendung der Kommunikationsdienste des Modems 122 mit dem Server 150 kommunizieren.
  • Unter Bezugnahme auf 2 kann das Fahrzeug 102 einen Motor 113, einen Starter-Generator 114, eine Batterie 116 und elektrische Verbraucher 118 beinhalten. Das Steuerungsnetzwerk 112 kann mit allen diesen Fahrzeugsystemen über Sensoren (z.B. Füllstandsensor 115, Ölsensor 117) oder Fahrzeugsystemsteuerungen (z.B. 120A, 120B, 120C, 120D, 120E, 120F, 120G) verbunden sein. Zum Beispiel kann das Steuerungsnetzwerk 112 die Fahrzeugsysteme steuern, um eine autonome Steuerung bereitzustellen. Der Motor 113 kann eine direkte mechanische Verbindung zu dem Starter-Generator 114 aufweisen. Der Starter-Generator 114 kann elektrisch mit der Batterie 116 und den elektrischen Verbrauchern 118 verbunden sein. Die Batterie 116 kann mit den elektrischen Verbrauchern 118 verbunden sein. Als Reaktion auf das Mithören des vorstehend erwähnten Gesprächs kann das VCS 106 als ein nicht einschränkendes Beispiel erkennen, dass die Fahrzeuginsassen nach Detroit fahren wollen, wenn sie über genug Benzin verfügen. Das VCS 106 kann Daten von Fahrzeugsensoren (d. h. dem Füllstandsensor 115) beziehen, um die verbleibende Kraftstoffmenge in dem Kraftstofftank zu bestimmen. Das VCS 106 kann dann den erwarteten Kraftstoffverbrauch für die Strecke von dem aktuellen Standort des Fahrzeugs 102 zum Symphonieorchester anfordern. In der Tat kann das Fahrzeug 102 dem Gespräch der Insassen zuhören und bei einer Aufforderung eine Antwort bereitstellen, ohne dass die Frage erneut gestellt werden muss oder die Bereitstellung zusätzlicher Informationen erforderlich ist.
  • Unter Bezugnahme auf die 3A-B wird ein Algorithmus 300 gezeigt. Der Algorithmus 300 beginnt in Schritt 302. Eine Umsetzung des Algorithmus 300 kann zusätzliche oder weniger Schritte beinhalten und die Schritte können in einer anderen Reihenfolge durchgeführt werden. Die Schritte können zudem gleichzeitig oder zu ähnlichen Zeiten durchgeführt werden. In Schritt 304 sammelt/sammeln das VCS 106 oder andere Prozessoren Sprachäußerungen. Bei den Sprachäußerungen kann es sich um Redensarten, Aussagen, gesprochene Wörter oder Gespräche handeln, die zur Aufnahme durch das Mikrofon oder eine Anordnung von Mikrofonen 124 verfügbar sind. In Schritt 306 werden Themen in den Sprachäußerungen identifiziert. Die Themen können basierend auf einem natürlichen Sprachverarbeitungsalgorithmus identifiziert werden. Ein beliebiger Redeteil (z. B. Nomen, Verben) - oder eine Kombination daraus - kann verwendet werden, um die Themen zu bestimmen. Die Themen werden identifiziert, um später den gestellten Fragen zugeordnet zu werden. Bei den Themen kann es sich um Abschnitte eines Satzes oder ganze Sätze handeln. Die Themen können mittels Verb-Nomen-Zuordnungen oder anderen grammatikalischen, syntaktischen oder semantischen Zuordnungen gebildet werden.
  • In Schritt 308 wird eine Kennfrage in dem Strom von Sprachäußerungen erkannt. Zum Beispiel kann es sich bei der Kennfrage um „Ford®, was meinst Du dazu?“ handeln. Die Kennfragewendung kann einen Namen (z. B. Ford®) beinhalten. Bei dem Namen kann es sich zudem um einen durch den Insassen oder Halter vergebenen Namen handeln. Bei dem Namen kann es sich um einen Hersteller oder Verkäufer des Fahrzeugs oder des VCS 106 handeln. Die Erkennung einer Kennfragewendung ruft den Fragebeantwortungsdienst auf.
  • Nach dem Empfang einer Kennfragewendung in Schritt 308 wählt der Algorithmus, wie im Teilalgorithmus A 310 definiert, basierend auf Kontexten ein bereits aufgenommenes Thema aus den Sprachäußerungen aus. Der Teilalgorithmus A 310 sammelt Informationen, um Kontexte zu definieren. Bei Kontexten kann es sich um Themenkategorien oder andere logische Darstellungen handeln, die dazu konfiguriert sind, Fahrzeugbetriebsparameterklassen darzustellen. Wie in Schritt 312 gezeigt, identifiziert der Teilalgorithmus A 310 Kontexte in Sprachäußerungen. Um ein Beispiel zu nennen, kann die Kontextidentifikation Nährwertinformationen im Allgemeinen beinhalten, wohingegen die Themenidentifikation enger auf eine Frage über Nährwerte bei einem Schokoriegel eingegrenzt ist. Die Liste von Kontexten (z. B. Nährwerte, Entfernungen zu Zielen, Punkte von Interesse, Wetter) kann für das Fahrzeug in Schritt 314 derart eng eingegrenzt werden, dass Anforderungen für allgemeine Informationen nicht verfügbar sind (z. B. Antworten zur Mathematik, Aussprache von Wörtern). Das heißt, die umfangreichen Frageabruffähigkeiten können optional durch den Hersteller oder den Insassen unter der Annahme, dass auf das Fahrzeug oder die Fahrt bezogene Fragen vorhanden sind, eingegrenzt werden.
  • In ähnlicher Weise werden in Schritt 316 Fahrzeugbetriebsparameter analysiert, um Kontexte bereitzustellen. Zum Beispiel kann das Fahrzeug 102 dazu konfiguriert sein, Kontexte zu fahrzeugspezifischen Parametern für den Frage-Antwort-Dienst zur Verfügung zu stellen. Das heißt, Kontexte im Zusammenhang mit der Öllebensdauer, dem Kraftstofffüllstand, dem Ladezustand, dem Klimatisierungsstatus, der Motortemperatur oder anderen Fahrzeugparametern können durch Kontexte in Schritt 316 zur Verfügung gestellt werden. Ein maschineller Algorithmus oder ein Hersteller kann in Schritt 318 die für den Antwortabruf verfügbaren Betriebsparameter auswählen. Zum Beispiel kann es sich bei der Öltemperatur um einen verfügbaren Fahrzeugparameter handeln, aber ein maschineller Lernalgorithmus kann bestimmen, dass der Kontext nicht zur Verfügung gestellt werden sollte, weil Fragen zur Motoröltemperatur so selten gestellt werden. Fahrzeugparameterkontexten kann eine höhere Gewichtung gegeben werden als den Sprachäußerungskontexten.
  • In Schritt 320 werden die Kontexte dem Benutzer präsentiert. Das heißt, der Benutzer kann ferner auswählen, welche Kontexte er unter Umständen von dem Antwortdienst beantwortet haben möchte. Die Kontexte können unter Verwendung der HMI-Steuerungen 108 oder des Anzeigebildschirms 110 präsentiert werden. Die Kontexte können den Insasse durch das System vorgelesen werden und die Insassen können eine Bestätigung der richtigen Kontextauswahl bereitstellen. Zum Beispiel kann das Fahrzeug angeben: „Zeile 1: Wetter.“ Der Insasse kann dann verbal bestätigen, dass es sich bei Zeile eins um die richtige Auswahl handelt, indem er „Eins“ sagt. Die Kontexte können derart präsentiert werden, dass die am häufigsten verwendeten Kontexte zuerst präsentiert werden. Die Kontexte können zudem in einer Reihenfolge präsentiert werden, die auf den bereits empfangenen Sprachäußerungen und der Häufigkeit der Kontexte, die erörtert werden, basiert. Wenn zum Beispiel auf einer Fahrt das Wetter in Detroit ein erörtertes Thema ist, kann der Wetterkontext dem Benutzer als eine primäre Option präsentiert werden. In Schritt 322 werden die Kontextauswahlen des Benutzers zur Verwendung in Schritt 324 empfangen. Den Kontexten können Gewichtungen zugeordnet werden, um den Antwortdienst zu verbessern. Zum Beispiel kann dem umfangreich erörterten Wetterkontext eine höhere Gewichtung gegeben werden als der spärlich erörterten Öltemperatur. Wenn alle anderen Dinge gleich sind, hat bei dem Themenauswahlprozess aus Schritt 324 der Kontext mit höherer Gewichtung bei der Themenauswahl Vorrang gegenüber dem Kontext mit keiner Gewichtung oder einer niedrigeren Gewichtung.
  • In Schritt 324 sind die ausgewählten Kontexte zusammen mit den identifizierten Themen bekannt. Der Algorithmus kann dann das zu bestimmende Thema basierend auf den Kontexten erkennen. Die Themenauswahl kann die Gewichtungen berücksichtigen, die auf die Kontexte angewendet wurden, zu welchem jedes Thema jeweils gehört. Zum Beispiel können Themen im Wetterkontext Vorrang gegenüber den Themen im Öltemperaturkontext haben. Ferner kann die syntaktische und semantische Stärke der Themen gewichtet werden. Zum Beispiel kann ein Vertrauenswert des Themas basierend auf dem Zustand der Sprachäußerungen bestimmt werden. Das heißt, Wendungen, die eine grammatikalische Kohärenz aufweisen, können in einen stärker gewichteten Kontext fallen, können jedoch aufgrund der syntaktischen oder semantischen Punktzahl heruntergestuft werden. Zusätzlich dazu kann die Kennfragewendung dazu verwendet werden, das Thema weiter zu gewichten. Zum Beispiel kann die Punktzahl von Themen, die direkt vor der Kennfragewendung auftauchen, verdoppelt oder um einen Faktor vervielfacht werden. Das heißt, ein Kontext mit einer niedrigen Gewichtung kann einem Kontext mit einer hohen Gewichtung vorgezogen werden, wenn das Thema der Kennfragewendung unmittelbar vorausgeht und die syntaktische und die semantische Punktzahl für das Wetterthema niedrig sind.
  • In Schritt 326 wird das ausgewählte Thema mit dem höchsten Vertrauenswert zur Beantwortung an den Server 150 gesendet. Der Server 150 stellt die wahrscheinlichste Antwort durch den statistischen und maschinellen Lernalgorithmus darin bereit. Ein beliebiger Antwortdienst kann die Antwort bereitstellen und die Antwort muss nicht auf ein Fahrzeug bezogen sein. Zum Beispiel kann die Antwort von einem Antwortdienst wie etwa Siri®, Google Now oder Cortana stammen. Die Antwort kann zurück an das Fahrzeug 102 gesendet und in Schritt 328 den Insassen präsentiert werden. In Schritt 330 kann das Fahrzeug 102 dann das Fahrzeug 102 basierend auf der Antwort automatisch betreiben oder den Benutzer dazu veranlassen, eine Vorgehensweise auszuwählen. Wenn zum Beispiel das ausgewählte Thema „Ich wette, wir haben genug Kraftstoff, um bis nach Detroit zu kommen“ wäre, kann das Fahrzeug 102 eine Route nach Detroit zu der Symphonie vorbereiten und das Auto autonom zu dem Ziel navigieren.
  • Bei den in der Beschreibung verwendeten Ausdrücken handelt es sich um beschreibende und nicht um einschränkende Ausdrücke, und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne vom Geist und Umfang der Offenbarung abzuweichen. Wie vorstehend beschrieben, können die Merkmale verschiedener Ausführungsformen miteinander kombiniert werden, um weitere Ausführungsformen der Erfindung zu bilden, die unter Umständen nicht ausdrücklich beschrieben oder veranschaulicht sind. Zum Beispiel kann ein immer mithörender Algorithmus dazu verwendet werden, Themen zu identifizieren, die einen Antwortdienst erfordern, und nach einem Aufruf durch eine Kennfragewendung automatisch eine Antwort zu dem Thema bereitstellen, die nicht auf einem Betriebsparameter des Fahrzeugs basiert. Wenngleich verschiedene Ausführungsformen gegenüber anderen Ausführungsformen oder Umsetzungen nach dem Stand der Technik hinsichtlich einer oder mehrerer gewünschter Eigenschaften als vorteilhaft oder bevorzugt beschrieben sein können, erkennt ein Durchschnittsfachmann, dass ein oder mehrere Merkmale oder eine oder mehrere Eigenschaften in Frage gestellt werden können, um die gewünschten Gesamtattribute des Systems zu erreichen, die von der konkreten Anwendung und Umsetzung abhängig sind. Diese Attribute können unter anderem Kosten, Festigkeit, Lebensdauer, Lebenszykluskosten, Marktfähigkeit, Erscheinungsbild, Verpackung, Größe, Betriebsfähigkeit, Gewicht, Herstellbarkeit, einfache Montage usw. beinhalten. Demnach liegen Ausführungsformen, die in Bezug auf eine oder mehrere Eigenschaften als weniger wünschenswert als andere Ausführungsformen oder Umsetzungen nach dem Stand der Technik beschrieben sind, nicht außerhalb des Umfangs der Offenbarung und können für bestimmte Anwendungen wünschenswert sein.
  • Gemäß der vorliegenden Erfindung ist ein Fahrzeug bereitgestellt, das eine Schnittstelle; und eine Steuerung aufweist, die dazu konfiguriert ist, als Reaktion auf eine Eingabe, die von Sprachäußerungen eines Insassen stammt, die eine Vielzahl von unterschiedlichen Themen definieren und mit einer Frage enden, eines der Themen zum Generieren einer Antwort auf die Frage basierend auf einem Betriebsparameter des Fahrzeugs auszuwählen und die Schnittstelle zu betreiben, um die Antwort an den Insassen auszugeben.
  • Gemäß einer Ausführungsform sind ein Kontext des Betriebsparameters und ein Kontext der Sprachäußerungen gleich.
  • Gemäß einer Ausführungsform handelt es sich bei dem Betriebsparameter um ein Kraftstofffüllstand des Fahrzeugs.
  • Gemäß einer Ausführungsform ist die Steuerung ferner dazu konfiguriert, das Thema gemäß einer Vertrauenspunktzahl des Themas basierend auf syntaktischen, semantischen und grammatikalischen Punktzahlen auszuwählen.
  • Gemäß einer Ausführungsform ist die Steuerung ferner dazu konfiguriert, das Thema gemäß einer Vertrauenspunktzahl des Themas basierend auf einer Nähe des Themas zu der Frage auszuwählen.
  • Gemäß einer Ausführungsform ist die Steuerung ferner dazu konfiguriert, ein Fahrzeugsteuersystem basierend auf der Antwort zu betreiben.
  • Gemäß einer Ausführungsform beinhaltet der Fragesatz eine Frage, bei der ein Objekt der Frage ein Name ist.
  • Gemäß einer Ausführungsform handelt es sich bei dem Namen um einen Hersteller, eine Marke oder ein Modell des Fahrzeugs.
  • Gemäß einer Ausführungsform wird der Betriebsparameter basierend auf Kontextauswahlen, die dem Insassen zugeordnet sind, ausgewählt.
  • Gemäß einer Ausführungsform werden die Kontexte basierend auf Aussagen generiert, die gemacht werden, während ein Antwortalgorithmus nicht aufgerufen ist.
  • Gemäß einer Ausführungsform werden die Kontexte durch einen Benutzer ausgewählt.
  • Gemäß einer Ausführungsform wird die Antwort abgerufen, wenn das Thema identifiziert ist.
  • Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren, durch eine Steuerung, Auswählen eines Themas zum Generieren einer Antwort auf eine Frage basierend auf einem Betriebsparameter eines Fahrzeugs als Reaktion auf eine Eingabe, die von Sprachäußerungen eines Insassen stammt, die eine Vielzahl von unterschiedlichen Themen definieren und mit einer Frage enden, und Betreiben einer Schnittstelle, um die Antwort an den Insassen auszugeben.
  • Gemäß einer Ausführungsform sind ein Kontext des Betriebsparameters und ein Kontext der Sprachäußerungen gleich.
  • Gemäß einer Ausführungsform handelt es sich bei dem Betriebsparameter um ein Kraftstofffüllstand des Fahrzeugs.
  • Gemäß einer Ausführungsform wird das Thema gemäß einer Vertrauenspunktzahl des Themas basierend auf syntaktischen, semantischen und grammatikalischen Punktzahlen ausgewählt.
  • Gemäß einer Ausführungsform wird das Thema gemäß einer Vertrauenspunktzahl des Themas basierend auf einer Nähe des Themas zu der Frage ausgewählt.
  • Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch Betreiben eines Fahrzeugsteuersystems basierend auf der Antwort.
  • Gemäß einer Ausführungsform beinhaltet der Fragesatz eine Frage, bei der ein Objekt der Frage ein Name ist.
  • Gemäß der vorliegenden Erfindung ist ein Fahrzeug bereitgestellt, aufweisend: eine Steuerung, die dazu konfiguriert ist, als Reaktion auf den Empfang von Sprachäußerungen, die mit einer Kennfragewendung enden, ein Thema aus einem Satz von Themen in den Sprachäußerungen basierend auf einem Betriebsparameter des Fahrzeugs zu isolieren und das Fahrzeug gemäß einer Antwort auf das Thema, die durch einen Antwortalgorithmus bereitgestellt wird, zu betreiben.

Claims (15)

  1. Fahrzeug, umfassend: eine Schnittstelle; und eine Steuerung, die dazu konfiguriert ist, als Reaktion auf eine Eingabe, die von Sprachäußerungen eines Insassen stammt, die eine Vielzahl von unterschiedlichen Themen definieren und mit einer Frage enden, eines der Themen zum Generieren einer Antwort auf die Frage basierend auf einem Betriebsparameter des Fahrzeugs auszuwählen und die Schnittstelle zu betreiben, um die Antwort an den Insassen auszugeben.
  2. Fahrzeug nach Anspruch 1, wobei ein Kontext des Betriebsparameters und ein Kontext der Sprachäußerungen gleich sind.
  3. Fahrzeug nach Anspruch 2, wobei es sich bei dem Betriebsparameter um einen Kraftstofffüllstand des Fahrzeugs handelt.
  4. Fahrzeug nach Anspruch 2, wobei die Steuerung ferner dazu konfiguriert ist, das Thema gemäß einer Vertrauenspunktzahl des Themas basierend auf syntaktischen, semantischen und grammatikalischen Punktzahlen auszuwählen.
  5. Fahrzeug nach Anspruch 2, wobei die Steuerung ferner dazu konfiguriert ist, das Thema gemäß einer Vertrauenspunktzahl des Themas basierend auf einer Nähe des Themas zu der Frage auszuwählen.
  6. Fahrzeug nach Anspruch 1, wobei die Steuerung ferner dazu konfiguriert ist, ein Fahrzeugsteuersystem basierend auf der Antwort zu betreiben.
  7. Fahrzeug nach Anspruch 1, wobei der Fragesatz eine Frage beinhaltet, bei der ein Objekt der Frage ein Name ist.
  8. Fahrzeug nach Anspruch 7, wobei es sich bei dem Namen um einen Hersteller, eine Marke oder ein Modell des Fahrzeugs handelt.
  9. Fahrzeug nach Anspruch 1, wobei der Betriebsparameter basierend auf Kontextauswahlen, die dem Insassen zugeordnet sind, ausgewählt wird.
  10. Fahrzeug nach Anspruch 1, wobei die Kontexte basierend auf Aussagen generiert werden, die gemacht werden, während ein Antwortalgorithmus nicht aufgerufen ist.
  11. Fahrzeug nach Anspruch 10, wobei die Kontexte durch einen Benutzer ausgewählt werden.
  12. Fahrzeug nach Anspruch 1, wobei die Antwort abgerufen wird, wenn das Thema identifiziert ist.
  13. Verfahren, umfassend: durch eine Steuerung Auswählen eines Themas zum Generieren einer Antwort auf eine Frage basierend auf einem Betriebsparameter eines Fahrzeugs als Reaktion auf eine Eingabe, die von Sprachäußerungen eines Insassen stammt, die eine Vielzahl von unterschiedlichen Themen definieren und mit einer Frage enden, und Betreiben einer Schnittstelle, um die Antwort an den Insassen auszugeben.
  14. Verfahren nach Anspruch 13, wobei ein Kontext des Betriebsparameters und ein Kontext der Sprachäußerungen gleich sind.
  15. Verfahren nach Anspruch 13, wobei es sich bei dem Betriebsparameter um einen Kraftstofffüllstand des Fahrzeugs handelt.
DE102019113677.6A 2018-05-23 2019-05-22 Immer mithörende und aktive sprachunterstützung und fahrzeugbetrieb Pending DE102019113677A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/987,183 2018-05-23
US15/987,183 US20190362218A1 (en) 2018-05-23 2018-05-23 Always listening and active voice assistant and vehicle operation

Publications (1)

Publication Number Publication Date
DE102019113677A1 true DE102019113677A1 (de) 2019-11-28

Family

ID=68499565

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019113677.6A Pending DE102019113677A1 (de) 2018-05-23 2019-05-22 Immer mithörende und aktive sprachunterstützung und fahrzeugbetrieb

Country Status (3)

Country Link
US (1) US20190362218A1 (de)
CN (1) CN110588667A (de)
DE (1) DE102019113677A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112009493A (zh) * 2020-09-03 2020-12-01 三一专用汽车有限责任公司 车载控制系统的唤醒方法、车载控制系统和车辆

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021128246A1 (zh) * 2019-12-27 2021-07-01 拉克诺德(深圳)科技有限公司 语音数据处理方法、装置、计算机设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112009493A (zh) * 2020-09-03 2020-12-01 三一专用汽车有限责任公司 车载控制系统的唤醒方法、车载控制系统和车辆

Also Published As

Publication number Publication date
CN110588667A (zh) 2019-12-20
US20190362218A1 (en) 2019-11-28

Similar Documents

Publication Publication Date Title
DE102018128006B4 (de) Verfahren zum erzeugen von ausgaben natürlichsprachlicher generierung basierend auf dem benutzersprachstil
DE102019105269B4 (de) Verfahren zur spracherkennung mit spracherkennungs-arbitrierungslogik
DE102018130755A1 (de) Externe informationsdarstellung
DE102014109121B4 (de) Systeme und Verfahren zur Arbitrierung eines Sprachdialogdienstes
DE102018116832A1 (de) Spracherkennungsbenutzermakros zum verbessern von fahrzeuggrammatiken
DE102017105885A1 (de) Verfahren und Einrichtung für vorausschauende Fahrerassistenz
DE102016104060A1 (de) Stimmprofilbasierte Identitätsidentifikation für fahrzeuginternes Infotainment
DE102019119171A1 (de) Spracherkennung für fahrzeugsprachbefehle
DE102013216975A1 (de) Verfahren und Vorrichtung zur subjektiven Befehlssteuerung von Fahrzeugsystemen
DE102016118848A1 (de) Fahrzeugbasiertes Teilen von Inhalt
DE102009017177A1 (de) Spracherkennungsanordnung zur akustischen Bedienung einer Funktion eines Kraftfahrzeuges
DE102019105251A1 (de) Dialekt- und sprachenerkennung zur spracherkennung in fahrzeugen
DE102019101785A1 (de) Mehrsprachige Sprachassistentenunterstützung
DE102010038174A1 (de) Emotive Vorrichtung zur Informationsübermittlung in einem Kraftfahrzeug
DE102016106803A1 (de) Adaptives Fahrzeugschnittstellensystem
DE102018125563A1 (de) Vorschau von anwendungen basierend auf benutzerkontext
DE102016200815A1 (de) Verfahren und Vorrichtung zur Sprachsteuerung eines Kraftfahrzeugs
DE102019113677A1 (de) Immer mithörende und aktive sprachunterstützung und fahrzeugbetrieb
DE102018128003A1 (de) Neuronales netzwerk zum anwenden bei der spracherkennungsarbitrierung
WO2019025120A1 (de) Verfahren zum ermitteln eines benutzerfeedbacks bei einer benutzung eines geräts durch einen benutzer sowie steuervorrichtung zum durchführen des verfahrens
DE102017203872A1 (de) Konfliktlösung für die Fahrzeugsitzbereichsverknüpfung
DE102018115705A1 (de) Verfahren und Vorrichtung für bedingungsausgelöste Fahrzeugeinstellungskonfiguration
DE102019115685A1 (de) Sprachaktivierter fahrzeugalarm
DE102019113681A1 (de) Stets zuhörender und aktiver Sprachassistent und Fahrzeugbetrieb
DE102016212681A1 (de) Steuervorrichtung und Verfahren zum sprachbasierten Betreiben eines Kraftfahrzeugs

Legal Events

Date Code Title Description
R082 Change of representative

Representative=s name: LORENZ SEIDLER GOSSEL RECHTSANWAELTE PATENTANW, DE