A New Approach to the Interpretation of Voice Commands

Abstract

The first 15 years of the twenty-first century are marked by the significant evolution of a new area known as Ubiquitous and Pervasive Computing. The introduced concepts are materializing in significant technological advances in different scenarios of humans' daily life, especially the so-called Ambient Intelligence (AmIs). In this context, one of the relevant research points is to enable human-computer interaction to become transparent and preserve the natural shape of existing communication between humans. Thus, this work contributes to the studies in this area, with the specification of a new model for voice interaction in AmI. To validate the proposed model, an infrastructure was built, based on the specified components. The potential of infrastructure and its possible large-scale adoption are evaluated by the execution of a preliminary experiment.A evolução da indústria da computação nos últimos anos permitiu a redução dos custos e diminuição das dimensões dos dispositivos computacionais utilizados para prover AmIs. Este novo cenário contribuiu para o incremento da quantidade e variedade de dispositivos computacionais presentes em domicílios residenciais e comerciais [1].No contexto brasileiro, levando em consideração apenas computadores pessoais (notebooks, desktops e tablets), prevê-se que o país alcance a marca de um computador por habitante em 2016. Além disso, o país alcançou uma densidade de telefones maior do que a dos Estados Unidos, com três aparelhos para cada duas pessoas, sendo 70 milhões destes smartphones [2].Segundo previsto por Weiser [3], neste cenário as interações entre homem e dispositivos computacionais passam a acontecer de forma natural e, em algumas situações, as pessoas passam a se comunicar com as máquinas da mesma forma que interagem com outros seres humanos.Neste contexto, interações via voz em AmIs são importantes para possibilitar uma intervenção explícita entre o usuário e o ambiente. Este fato permite um melhor aproveitamento dos recursos do cenário de interação quando os fatores contextuais analisados pelo sistema são insuficientes para a inferência das necessidades e vontades do usuário. A fala é uma opção importante para este tipo de intervenção por ser a forma primária e mais natural de comunicação entre seres humanos. Além disso, o uso da voz possibilita a interação de pessoas com dificuldades de locomoção e problemas de coordenação motora [4].O desafio enfrentado pelos pesquisadores nesta área é integrar comandos de voz a AmIs, conseguir resultados satisfatórios para o reconhecimento de um vocabulário abrangente, tratar problemas de ruído no cenário de interação, diferenciar comandos de voz, de conversas entre duas ou mais pessoas [5].Com o objetivo de contribuir com novos estudos na área de AmIs com interações humano-computador via voz, este trabalho apresenta um modelo e a sua materialização em uma infraestrutura. A proposta integra componentes locais (sensores e atuadores) com serviços de reconhecimento de voz, disponibilizados em nuvem. Além disso, é apresentada uma ...

The state of voice user interfaces in Latin America

“…Brazil has the largest number of co-authorships with France (17), USA (11), and Portugal (6). Mexico with Spain (10), USA (7), and France (5).…”

“…As a support in handling medical equipment, in the transcription of radiology reports, in intraoperative endoscopy positioning, for a triage system, in biological information retrieval, and as a personal assistant in health environments and for identifying rare diseases [12]. For controlling industrial and building plant and device with voice, in ubiquitous applications [11]. In the area of robotics there are studies about the use of speech with hand tracking application, receptionist robots, robot suitability, social robots, perform a task with voice commands, tour-guide robot, training of a dialogue system, framework for collaborative interaction, controlling navigation, conversational service robots, semantic reasoning in service robots, intelligence implementation, context analysis and middleware for robotic applications [2][3] [29].…”