Künstliche Intelligenz für Adaptive, Responsive und Levelkonforme Interaktion im Fahrzeug der Zukunft (KARLI)

Abstract

Im Rahmen des Projekts forschte das IAT der Universität Stuttgart an zwei Themenbereichen, KI-Interaktion und Motion Sickness. KI-Interaktion: Derzeit sind Sprachassistenten im Fahrzeug kommandobasiert und reagieren auf Ansprache der Nutzenden. Nutzende wünschen sich von intelligenten Assistenten im Fahrzeug jedoch proaktives Verhalten. Das Ziel am IAT war es, geeignete Kontextfaktoren zu identifizieren, die die Akzeptanz proaktiver Ansprachen während automatisierter Fahrten beeinflussen, sowie die Nutzung großer Sprachmodelle zur Generierung proaktiver Vorschläge zu evaluieren. Das Vorgehen umfasste iterative Studien und die Entwicklung eines Wizard-of-Oz Tools zur Analyse der Interaktion. Die Ergebnisse zeigen, dass ein kontextsensitiver, proaktiver Sprachassistent einen Mehrwert gegenüber einem kommandobasierten Assistenten bietet. Die Nutzung von Großen Sprachmodellen zur Generierung kontextbasierter Vorschläge erwies sich als vielversprechend. Proaktive Sprachassistenten können somit das Fahrerlebnis für Nutzende komfortabler und effizienter gestalten, indem sie relevante Vorschläge unter Berücksichtigung des aktuellen Kontexts machen. Motion Sickness: Mit der Einführung autonomer Fahrzeuge wird erwartet, dass Insassen verstärkt Tätigkeiten wie Arbeiten oder Lesen ausführen, was das Risiko von Motion Sickness (MS) erhöht. Etwa 43% der Menschen sind betroffen, was die Nutzererfahrung negativ beeinflussen kann. Zwei durchgeführte Studien erforschten die Auswirkungen von MS auf die Fahrtüchtigkeit, da bisherige Forschungen in diesem Bereich begrenzt sind. Die Ergebnisse zeigten, dass die subjektive Einschätzung der Fahrtüchtigkeit mit zunehmenden MS-Symptomen abnahm und der Anstieg der MS-Symptome mit einer schlechteren subjektiven Fahrtüchtigkeit sowie beobachteten Verschlechterungen im Fahrverhalten korrelierte. Die Untersuchung legt nahe, dass MS-Symptome die Fahrtüchtigkeit negativ beeinflussen, insbesondere bei Übergaben nach automatisierten Phasen. Datei-Upload durch TIB As part of the project, the IAT at the University of Stuttgart conducted research in two areas: AI interaction and motion sickness. AI interaction: Voice assistants in vehicles are currently command-based and respond to user commands. However, users want intelligent assistants in the vehicle to behave proactively. The aim of IAT was to identify suitable contextual factors that influence the acceptance of proactive responses during automated driving and to evaluate the use of Large Language Models to generate proactive suggestions. The approach involved iterative studies and the development of a Wizard-of-Oz tool to analyze the interaction. The results show that a context-proactive voice assistant offers added value compared to a command-based assistant. The use of large-scale language models to generate context-based suggestions proved to be promising. Proactive voice assistants can thus make the driving experience more comfortable and efficient by making relevant suggestions based on the current context. Motion sickness: With the introduction of autonomous vehicles, it is expected that occupants will increasingly perform activities such as working or reading, which increases the risk of motion sickness (MS). Around 43% of people are affected, which can negatively impact the user experience. Two studies conducted explored the impact of MS on driving ability, as previous research in this area is limited. The results showed that the subjective assessment of driving ability decreased with increasing MS symptoms and the increase in MS symptoms correlated with poorer subjective driving ability and observed deterioration in driving behavior. The results suggest that MS symptoms have a negative impact on driving ability, especially during handovers after automated phases.