Kan din AI-agent bedöma när du ska prata med dig när du kör? Enligt en forskargrupp från KAIST, deras teknik för underhållsservice för fordon kommer att bedöma när det är lämpligt att kontakta dig för att garantera din säkerhet.

Professor Uichin Lee från Institutionen för industri- och systemteknik vid KAIST och hans forskargrupp har utvecklat AI-teknik som automatiskt upptäcker säkra ögonblick för AI-agenter att tillhandahålla samtalstjänster till förare.

Deras forskning fokuserar på att lösa de potentiella problemen med distraktion som skapas av samtalstjänster i fordon. Om en AI-agent pratar med en förare vid ett olämpligt tillfälle, som när du gör en sväng, en bilolycka är mer sannolikt att inträffa.

Konversationstjänster i fordon måste vara både bekväma och säkra. Dock, den kognitiva bördan av multitasking påverkar kvaliteten på tjänsten negativt. Användare tenderar att bli mer distraherade under vissa trafikförhållanden. För att ta itu med denna långvariga utmaning med samtalstjänsterna i fordon, teamet introducerade en sammansatt kognitiv modell som tar hänsyn till både säker körning och auditiv-verbal serviceprestanda och använde en maskininlärningsmodell för all insamlad data.

Kombinationen av dessa individuella åtgärder kan bestämma lämpliga ögonblick för samtal och lämpligaste typer av samtalstjänster. Till exempel, i fallet med att leverera information i enkel sammanhang, som en väderprognos, Enbart förarens säkerhet skulle vara det lämpligaste övervägandet. Under tiden, vid leverans av information som kräver ett svar från föraren, som ett "Ja" eller "Nej, " kombinationen av förarsäkerhet och auditiv-verbala prestanda bör övervägas.

Forskargruppen utvecklade en prototyp av en konversationstjänst i fordon baserad på en navigationsapp som kan användas i riktiga körmiljöer. Appen var också ansluten till fordonet för att samla in OBD-II/CAN-data i fordon, såsom rattvinkel och bromspedalläge, och mobilitets- och miljödata såsom avståndet mellan på varandra följande bilar och trafikflödet.

Använda pseudokonversationstjänster, forskargruppen samlade en verklig kördatauppsättning bestående av 1, 388 interaktioner och sensordata från 29 förare som interagerade med AI-konversationsagenter. Maskininlärningsanalys baserad på datamängden visade att de lämpliga ögonblicken för föraravbrott kunde antas korrekt med 87 % noggrannhet.

Den säkerhetsförbättringsteknik som utvecklats av teamet förväntas minimera förarens distraktioner orsakade av samtalstjänster i fordon. Denna teknik kan appliceras direkt på nuvarande fordonssystem som tillhandahåller samtalstjänster. Den kan också utökas och tillämpas på realtidsdetektering av förarens distraktionsproblem som orsakas av användningen av en smartphone under körning.

Professor Lee sa, "Inom en snar framtid, bilar kommer proaktivt att leverera olika samtalstjänster i fordon. Den här tekniken kommer säkerligen att hjälpa fordon att interagera med sina förare på ett säkert sätt, eftersom den ganska exakt kan avgöra när de ska tillhandahålla samtalstjänster med endast grundläggande sensordata som genereras av bilar."