Eliciting Conversation in Robot Vehicle Interactions
1. Eliciting Conversation in
Robot Vehicle Interactions
+ Proceedings of the
Association for the
Advancement of Artificial
Intelligence. 2016
- David Sirkin, Kerstin
Fischer, Lars Jesen, Wendy Ju
/안아주
x 2017 Spring
3. Why This Paper
인간과 자동차 사이의 대화가 가능해진다면,
어떤 주제의 대화를 하게 될까?
‣ 차 안에서 Tmap 에게 말을 한다… Tmap이 자동차 내의 SIri가 된다?! 과연 무슨 말을 할까?
‣ 차 안에서 사람들의 보이스를 수집하는 방법은 뭐가 있을까?
3
Human - Robot Vehicle Voice Interaction
기대되는, 적절한
대화 주제
부적절한
대화 주제
‣ users’s trust into the system
‣ make users more ease
‣ system as a communication partner
4. 배경
인간과 자동차 사이의 대화를 보는 것.
‣ Speech Interface 를 만드는 과정일 뿐만 아니라, (관련 대화 수집)
‣ 운전 중 운전자가 차에대해 생각하고, 궁금해하는 것을 알 수 있는 기회. (니즈 수집)
4
Think aloud 가 아닌, 다른 좋은 방법은 없을까?
‣ 운전중 사용자의 발화는 대부분 Think aloud 기법을 통해 수집된다.
‣ 사용자가 계속 생각하면서 말하게 하는 것은 좋은 방법이지만, 만병 통치약은 아니다.
‣ 자연스럽지 않고, 필터 된 반응이고, 생각-말의 과정에서 행동이 바뀔 수 있고
Wizard of Oz
‣ 차 내에서 사용 되는 다양한 기능/서비스를 디자인 하는 과정에서 사용되는 방법 (Green 1990, Lathrop 2004, Schüler 2006)
‣ 차량 내 대화에 적용된다면, 사용자의 생각을 잘 이해하는 데에 도움이 될 것이라 믿고!!!
‣ 자율주행 상황에서 차에대한 사람들의 생각을 이해하는 데에, Think aloud + Wizard of Oz 방법을 쓰겠다.
5. 실험 방법
좋은 시뮬레이터와 똑똑한 사람, 미래에 가능할 법한 상황을 만든다.
‣ 참가자에게 interact with the car 라는 테스크를 주고,
‣ 사람이 차에 타면, 차가 사람에게 테스크를 설명한다.
- “30분 운전을 해서 공항으로 가세요.”
‣ topic : trip progress, navigation, driving characteristics, driver’s wellbeing, preference, daily activity
5
엄청 좋은 시뮬레이터에 탑승한 실험 참가자 뒤에서 열심히 인공지능인 척 하는 연구자
‣ 사용자와 대화 (TTS)
‣ 자율주행 자동차처럼 차를 컨트롤
‣ creative verbal, physical expression 경험자 (6)
‣ 즉흥극 연기자, 극작가 등
6. 분석 방법
자연스러운 대화 안에서, 시스템이 시작한 대화 종류에 대한 참가자의 반응을 확인
‣ Ethnomethodological conversation analysis : 자연어 대화의 일정한 질서, 규칙을 도출하기 위해 사용
- 대화 자체의 의미보다는, 그 의미에대한 선호/비선호 여부를 파악하여 분석.
- implicit ways : well-timed feedback, complying (Clark 1989, Heritage 2012)
‣ 대화 종류 : 질문, 정보전달, 지시
‣ 분석 방법 : Adjacency pairs, Preference organization, delivery time
6
‣ Question : 동의 / 부동의
‣ Informing : 수용 / 거부
‣ Instruction : 이행 / 불이행
‣ preferred : 0.3초 이내, 명료한
‣ dispreferred : 0.3초 넘어서, 고민하는
발화쌍 분석
응답까지 시간(0.3s)
응답의 성격 (preferred / dispreferred)
7. 분석 결과
초반과 후반의 사용자의 반응/인식에 차이가 있다.
: extended navigation system -> conversational partner
‣ 초반 : 참가자의 발화를 보면, 시스템을 extended navigation system 으로 여긴다.
‣ Appropriate : driving & control / feedback on the simulation / navigation / information about places, speed limit …
‣ Unacceptable : perceptual informing, requests for feedback, personal topics
7
A) 시스템이 정보를 제공했을 때,
응답하지 않는다.
B) 네비게이션 관련 질문만 한다.
C-1) 기존 자동차 관련 기능에 대한
긍정적 반응
C-2) 시스템이 스스로 지각 후 정보를
주는 것에 대한 부정적 반응
8. 분석 결과
초반과 후반의 사용자의 반응/인식에 차이가 있다.
: extended navigation system -> conversational partner
‣ 후반 : 시스템과의 social dialog가 많아진다. relaxed, playful 인터랙션이 증가
‣ Appropriate : driving & control(60 -> 24 %), Personal( -> 1.2%), interpersonal( -> 40%)
8
A) 차의 기능 외적인 부분에 대해
적극적으로 질문한다.
B) 시스템을 car가 아닌 you라고 지칭한다.
C) 떠오르는 생각을 시스템과 공유한다.
9. 분석 결과
변화의 원인: Perceptual Informing
‣ 여러 원인이 존재 - 실험 환경에 익숙해진다. 초반에 느끼는 어지럼증
‣ 부정적 영향 (운행 시스템 오류, TTS 과정에서 반응이 느려짐)에도 불구하고, 사용자는 시스템이 편안하다고 느낌
‣ Because something the car said or did
- 사람에 대해 시스템이 판단하고 제공하는 정보(초반에는 부정적)가 신뢰 향상에 도움이 되었을 것이다.
- 인터뷰 결과 시스템에 신뢰를 갖게 되는 순간이 있다. (의심 -> 맹신?)
9
A) 사람이 인지하지 못하는 부분을
인식할 때, 신뢰가 증가
B) 시스템에게 인지 정보를 추가적으로 요청
10. 논의 및 결론
시스템에 대한 사용자의 멘탈 모델이 변한다.
‣ 기대하지 않았던 주제의 대화를 통해, 시스템의 capacity에 대한 멘탈 모델이 변한다.
- 비록 초반에는 그 주제에 대해 부정적으로 느꼈어도!
‣ 특히, 시스템이 사용 환경 내 사람에 대해 제대로 인지하는 경우, 기대가 높아진다.
10
대화 분석을 통해 사용자의 수용정도가 어떻게 변화하는지를 확인하고,
그 변화를 만드는 요소가 무엇인지?
사용자가 시스템에게 기대하는 것(변화의 방향)이 무엇인지 먼저 파악하는 것이,
대화 디자인 과정에서 고려 사항에 도움을 준다.
(사용자가 원하는게 단순히 기능적인 도움이 아닐 수 있다는 가정 하에)
11. 11
Tmap.V
인공지능 시대에, T map에서 제공할 인공지능 기능에 대한
사용자 needs 및 적용 방안
Navi
현재 기능 외에, 인공지능/음성지시 상황에서 발생할 수 있는
사용자의 새로운 니즈/명령을 어떻게 찾을 수 있을까??
Voice Recog - 명령 call
Intent - 복합명령
Data Mined - 추천/선제
현재 없는, 근미래의 기술이 어느 정도인지 알아야,
사람들도 상상을 하거나 필요함을 말할텐데…
