自适应语音：用于驾驶辅助的认知自适应语音界面

文献标题

AdaptiveVoice: Cognitively Adaptive Voice Interface for Driving Assistance

文献信息

• 主题领域: 人机交互与驾驶辅助技术
• 关键词: 声音界面, 自适应用户界面, 驾驶辅助, 认知负荷, 人机交互, 虚拟现实, 优化算法

研究背景与问题

• 当前的语音助手通常以固定的格式呈现信息，未考虑用户的认知负荷动态变化。
• 认知负荷的变化可能影响驾驶员对语音指令的接受和执行能力。例如，在紧急情况下，过多的信息可能导致驾驶员无法迅速反应，而在认知负荷较低时，驾驶员可能更倾向于获得详细的指导。
• 缺乏一种能够实时调整语音指令以适应用户认知状态的优化系统。

重要性

• 在复杂驾驶环境中提供适合用户认知状态的语音指令可提高驾驶效率和安全性。
• 自适应语音助手的研究可为其他认知负荷变化明显的领域（如智能家居、虚拟现实中的辅助）提供技术参考。

研究动机与相关工作

• 声音用户界面广泛用于智能家居、驾驶辅助和值得注意的领域，但其普遍缺乏基于认知状态的适应性。
• 当前研究主要集中在声音熟悉度、语音输入方法以及语音输出格式等方面，而对于动态调整语音信息格式的探讨仍是较少。

解决方案

方法与创新

• 系统设计: 提出一种名为AdaptiveVoice的自适应语音助手，用于根据用户的认知负荷动态调整语音指令的详细程度、语速以及重复次数。
• 优化算法: 使用组合优化算法根据用户实时认知状态调整语音指令格式，同时考虑与之前指令的时间一致性。
• 信号采集与处理: 通过HP Reverb G2 VR头显实时测量认知负荷，结合其他生理和行为数据输入到优化模型中。

实施步骤

1. 第一用户研究: 设计双任务实验收集用户对不同语音指令格式的偏好。
   • 主任务为按照语音指令完成驾驶操作，副任务为记忆数字阵列以增加认知负荷。
   • 结果显示认知负荷对用户反应时间和指令准确性影响显著，并验证了需要对语音消息格式进行适应。
2. 优化算法开发:
   • 输入：预定义语音指令格式，实时认知负荷测量及交互历史。
   • 输出：根据用户当前状态选择最佳语音指令组合。
   • 优化目标：最大化语音指令的实用性，确保不过载用户认知负荷。
3. 第二用户研究: 在VR模拟驾驶环境中评估AdaptiveVoice算法性能，与固定格式基线进行对比。实验加入带或不带HUD的条件变量。

研究成果

实验结果

1. 第一用户研究:

   • 在认知负荷较低时，75%用户偏好详细语音指令；在高负荷条件下，83%用户倾向于简洁信息。
   • 慢速语音在高负荷中更受欢迎，重复机制在复杂任务场景中提高了任务准确性。

2. 第二用户研究:

   • 定量结果:
     • 自适应语音在HUD和非HUD条件下显著降低了转向方差，提高了驾驶反应时间和信息处理效率。
     • 平均速度无明显变化，碰撞次数差异不显著。
   • 定性分析:
     • AdaptiveVoice + HUD (HA) 是用户最偏好的场景设置，在性能、便利性、安全感和满意度等方面均评分较高。
     • 自适应方法被认为增强了驾驶体验与信息交互效率，尤其在复杂驾驶场景中。

模型优势

• 相比固定格式语音，自适应方法显著降低了认知负荷对驾驶性能的负面影响。
• 在认知负荷较高时，可以通过简化语音指令确保任务执行效率，同时在低认知负荷情况下提供更丰富的信息。
• HUD结合自适应语音进一步增强了用户体验。

局限性与未来方向

1. 局限性:
   • 实验在VR模拟驾驶环境，未完全反映实际驾驶场景复杂性。
   • 当前算法采用“一刀切”方式，仅基于常见用户行为调整语音格式，未深入个性化。
2. 未来方向:
   • 开发基于驾驶技能和经验的个性化自适应方法。
   • 拓展语音适应特性，加入语调、音量及信息频率调整。
   • 推广至其他应用领域如智能家居，并探索基于行为数据的认知负荷估算。