AI til at bestemme, hvornår du skal gribe ind med din kørsel

Kan din AI -agent bedømme, hvornår du skal tale med dig, mens du kører? Ifølge et KAIST -forskerhold, deres teknologi til bevarelse af køretøjer i bilen vurderer, hvornår det er hensigtsmæssigt at kontakte dig for at sikre din sikkerhed.

Professor Uichin Lee fra Institut for Industri- og Systemteknik ved KAIST og hans forskerteam har udviklet AI -teknologi, der automatisk opdager sikre øjeblikke for AI -agenter til at levere samtaletjenester til chauffører.

Deres forskning fokuserer på at løse de potentielle problemer med distraktion, der er skabt af samtaletjenester i bilen. Hvis en AI -agent taler med en chauffør på et upassende tidspunkt, f.eks. mens du drejer, en bilulykke vil være mere tilbøjelig til at forekomme.

Samtale i bilen skal være både praktisk og sikker. Imidlertid, den kognitive byrde ved multitasking påvirker kvaliteten af ​​tjenesten negativt. Brugere har en tendens til at være mere distraheret under visse trafikforhold. For at løse denne mangeårige udfordring med samtaletjenester i køretøjer, teamet introducerede en sammensat kognitiv model, der overvejer både sikker kørsel og auditiv-verbal serviceydelse og brugte en maskinlæringsmodel for alle indsamlede data.

Kombinationen af ​​disse individuelle foranstaltninger er i stand til at bestemme de passende øjeblikke for samtale og mest passende typer samtaletjenester. For eksempel, i tilfælde af levering af simple kontekstoplysninger, f.eks. en vejrudsigt, førerens sikkerhed alene ville være den mest hensigtsmæssige overvejelse. I mellemtiden, ved levering af oplysninger, der kræver et førerrespons, f.eks. et "Ja" eller "Nej" "kombinationen af ​​førersikkerhed og auditiv-verbal præstation bør overvejes.

Forskerteamet udviklede en prototype af en samtaletjeneste i køretøjer baseret på en navigationsapp, der kan bruges i rigtige kørselsmiljøer. Appen blev også forbundet til køretøjet for at indsamle OBD-II/CAN-data i køretøjet, såsom ratvinklen og bremsepedalens position, og mobilitets- og miljødata såsom afstanden mellem successive biler og trafikstrøm.

Brug af pseudo-samtaletjenester, forskergruppen indsamlede et kørselsdatasæt fra den virkelige verden bestående af 1, 388 interaktioner og sensordata fra 29 drivere, der interagerede med AI -samtaleagenter. Maskinindlæringsanalyse baseret på datasættet viste, at de passende øjeblikke for chaufførafbrydelse kunne udledes korrekt med 87% nøjagtighed.

Sikkerhedsforbedringsteknologien, der er udviklet af teamet, forventes at minimere chaufførforstyrrelser forårsaget af samtaletjenester i bilen. Denne teknologi kan anvendes direkte på nuværende køretøjssystemer, der leverer samtaletjenester. Det kan også udvides og anvendes til realtidsdetektering af førerens distraktionsproblemer forårsaget af brug af en smartphone under kørsel.

Professor Lee sagde, "I den nærmeste fremtid, biler vil proaktivt levere forskellige samtaletjenester i bilen. Denne teknologi vil helt sikkert hjælpe køretøjer med at interagere sikkert med deres chauffører, da det ret nøjagtigt kan afgøre, hvornår de skal levere samtaletjenester ved kun at bruge grundlæggende sensordata genereret af biler. "