[论文解读] Leveling the playing field for Visually Impaired using Transport Assistant

Gourav Ganesh Shenoy, Mangirish Ajit Wagle+1 more|arXiv (Cornell University)|Mar 6, 2017

Transportation and Mobility Innovations参考文献 5被引用 3

一句话总结

本文提出了Transport Assistant，一种语音激活的辅助技术原型，旨在通过将实时公共交通信息、天气预报以及私人叫车服务整合到单一可访问的界面中，赋能视障用户。该系统通过热词激活（'hello assistant'）的语音命令，实现无缝、独立的导航与交通规划，显著降低了视障人士面临的信息获取障碍。

ABSTRACT

Visually impaired people face numerous challenges when it comes to transportation. Not only must they circumvent obstacles while navigating, but they also need access to essential information related to available public transport, up-to-date weather forecast, and convenient method for booking private taxis. In this paper we introduce Transport Assistant - a voice based assistive technology prototype, built with a goal of leveling the playing field for the visually impaired to solve these problems that they face in their day to day life. Being voice enabled makes it seamlessly integrate into the environment, and can be invoked by saying a hotword - hello assistant. The paper explores this research question, followed by investigating existing technologies, explains the methodology and design, then concludes by presenting the prototype and results.

研究动机与目标

• 解决视障人士在获取交通信息和实时环境信息方面面临的出行挑战。
• 通过实现对公共交通、天气信息和私人出租车预订的独立访问，减少对视力健全者协助的依赖。
• 设计一种以语音为主导、具备情境感知能力的界面，将多种交通服务整合到单一、可访问的平台中。
• 评估为视障用户在日常导航中量身定制的统一语音助手在可行性与可用性方面的表现。

提出的方法

• 该系统采用通过热词（'hello assistant'）触发的语音激活界面，以启动用户交互。
• 它集成了用于实时公共交通数据、当前天气预报以及私人叫车服务的应用程序编程接口（API）。
• 设计遵循以听觉反馈和语音输入为重点的多模态交互模式，最大限度减少对视觉提示的依赖。
• 该原型采用模块化架构开发，以支持可扩展性及与第三方服务的集成。
• 用户交互通过自然语言理解（NLU）技术进行管理，以解析语音查询和指令。
• 系统在真实场景中进行了测试，以评估其在动态环境中的响应速度、准确性和可用性。

实验结果

研究问题

• RQ1 如何使基于语音的助手有效整合多样化的交通与环境信息，以服务视障用户？
• RQ2 哪些设计原则能够实现无需视觉输入的、无缝的、独立的交通服务使用？
• RQ3 与分散的访问方式相比，统一界面在可用性和认知负荷方面有何差异？
• RQ4 实时数据整合在提升视障人士出行独立性方面发挥何种作用？
• RQ5 如何优化语音交互以支持复杂、多步骤的交通任务？

主要发现

• 该原型成功使视障用户仅通过语音命令即可访问公共交通时刻表、天气更新以及私人叫车预订。
• 用户反馈表明，在使用该系统后，其在交通规划方面对视力健全者协助的依赖显著减少。
• 系统在检索和传递实时交通与天气数据方面表现出低延迟，增强了用户的信任感与可用性。
• 热词激活机制在各种环境条件下均实现了可靠且无干扰的系统访问。
• 用户反馈显示，对自然语言交互流程以及系统处理复杂查询的能力表示高度满意。