对话式感知
人机交互
2015-06-19 v1
摘要
传感技术、移动设备及情境感知用户界面的最新进展，使得信息融合与态势感知能够表示为网络战术边缘处各参与者（人类与机器智能体）之间的对话过程。受安全、警务及应急响应领域用例的驱动，本文提出了一种基于自然语言 (NL) 和受控自然语言 (CNL) 的信息收集、融合与意义构建方法，以支持更丰富的人机交互形式。该方法利用对话协议促进协作消息在 NL 与 CNL 之间的双向流动，从而支持如下交互：将人类观察者的目击报告（来自受过训练和未受训练的源）转化为可操作信息；融合来自人类和物理传感器的信息（附带相关的质量元数据）；以及协助人类分析师在感兴趣区域内最佳地利用可用传感资产（受管理和安全策略管辖）。CNL 被用作机器和人类智能体通用的形式化知识表示，以支持推理、语义信息融合及生成推断理由，同时保持对人类用户的透明性。本文提供了多种用户反馈风格的示例，包括 NL、CNL 和图形反馈。一项涉及人类受试者的试点实验表明，原型对话智能体能够从未受过训练的人类受试者那里收集可用的 CNL 信息。
引用
@article{arxiv.1406.1907,
title = {Conversational Sensing},
author = {Alun Preece and Chris Gwilliams and Christos Parizas and Diego Pizzocaro and Jonathan Z. Bakdash and Dave Braines},
journal= {arXiv preprint arXiv:1406.1907},
year = {2015}
}