自动驾驶车辆中的自然语言交互：乘客语句的意图检测与槽填充
计算与语言
2019-04-25 v1 人机交互
机器学习
声音
音频与语音处理
摘要
理解乘客意图并提取相关槽位是开发自动驾驶车辆（AV）中自然交互的上下文对话系统的重要基石。在这项工作中，我们探索了 AMIE（Automated-vehicle Multi-modal In-cabin Experience），即负责处理特定乘客-车辆交互的车内智能体。当乘客向 AMIE 发出指令时，该智能体应正确解析此类命令并触发 AV 系统的相应功能。在当前的探索中，我们聚焦于描述设置或更改目的地与路线、更新驾驶行为或速度、结束行程以及其他用例以支持各种自然命令的 AMIE 场景。我们通过逼真的寻宝游戏活动，使用 Wizard-of-Oz 方案收集了乘客与 AMIE 之间多轮对话的多模态车内数据集。在探索了各种近期基于循环神经网络（RNN）的技术后，我们引入了自身的分层联合模型，以识别乘客意图及 AV 场景中待执行动作的相关槽位。我们的实验结果优于某些竞争性基线，并在语句级意图检测上取得 0.91 的总体 F1 分数，在槽填充任务上取得 0.96 的总体 F1 分数。此外，我们通过比较基于人工转写文本与含噪自动语音识别（ASR）输出训练和测试的意图/槽位模型，进行了初步的语音转文本探索。最后，我们比较了单人乘车与多人乘车的结果。
引用
@article{arxiv.1904.10500,
title = {Natural Language Interactions in Autonomous Vehicles: Intent Detection and Slot Filling from Passenger Utterances},
author = {Eda Okur and Shachi H Kumar and Saurav Sahay and Asli Arslan Esme and Lama Nachman},
journal= {arXiv preprint arXiv:1904.10500},
year = {2019}
}
备注
Accepted and presented as a full paper at 20th International Conference on Computational Linguistics and Intelligent Text Processing (CICLing 2019), April 7-13, 2019, La Rochelle, France