基于语音机器人的老人监护系统

部署运行你感兴趣的模型镜像

基于语音交互机器人的老年人生命监控系统提案

I. 引言

在日本,独居老人和老年夫妇家庭的比例正在上升[1]。在这些家庭中,父母与子女之间面对面接触的频率与他们住所之间的距离密切相关。此外,与邻居关系稀少也成为一个问题,在城市地区社会关系并不多。与家人或邻里关系的减少会降低交谈机会,可能导致失去生活意义或对生活产生焦虑。目前,采用内置摄像头的通信机器人进行生活监护的服务已广泛提供,我们可以期待更多的交谈机会。这些机器人大致可分为两种类型,即遥控型[2]和固定型[3]。内置摄像头能够实现高精度的监护。然而,这也存在侵犯隐私、增加心理压力以及给受试者带来更重负担的风险[4]。

本研究考虑了在不使用任何摄像头的情况下,仅通过语音交互机器人利用语音信息进行生活监护的准确性。

II. 生命观察系统

示意图0

该系统将语音交互机器人与用户之间的对话记录为日志。为了从对话数据中提取关键词并准确估计日常生活活动,系统设计为将对话分类为表I所示的类别:(1)家电操作指令,(2)临时离家/回家问候,(3)出入问候,以及(4)一般对话,并将分类、绘制成图表并分析后的结果通知家人和亲属。

A. 生活监护通知方法

在我们针对38名男女进行的关于生活监护方式的调查中,61%的人选择了LINE,21%的人选择了电子邮件。基于此结果,本系统实现了通过电子邮件和 LINE Notify 进行通知的功能。

示意图1

图2(a)显示了LINE通知界面。当与语音交互机器人交谈的用户说出被分类为(1)、(2)或(3)的关键词时,机器人会对此作出回应,并向家人通知该情况。电子邮件通知界面如图2(b)所示。电子邮件也以与LINE相同的方式包含通知内容,其中包括本语音交互机器人所使用的聊天服务(Userlocal的聊天机器人)网站的网址。通过该服务,用户可以查看按日期统计的对话数量图表以及日志历史等信息,从而了解被监护人的行为状况。此外,我们在语音交互机器人中添加了Web服务器(Apache2),并实现了一项功能,即在网页浏览器中以时间序列形式显示目标人员的对话数量以及分类对话发生的时间。

示意图2

图3. 各类对话数量的时间序列图表

III. 原型评估

我们开发了本研究提出系统的原型,并在验证实验中将其与摄像头进行了比较。

A. 验证实验方法

于2019年12月19日、20日和23日,针对本校一名学生开展了为期3天的验证实验,每天时间为10:30至15:35。实验要求受试者在实验室中以日常行为与语音交互机器人进行对话,并通过机器人操作家用电器,评估基于所获取的日志信息能在多大程度上估计受试者的行为。验证实验所用设备的布局如图4所示。正确答案数据通过摄像头拍摄受试者的视频获得。

示意图3

B. 验证实验结果

我们将语音交互机器人获取的日志数据与摄像头获取的四类对话数量进行了比较,并评估了它们是否具有与摄像头相同的生活行为估计准确度。分类(1)、(2)和(3)的实验结果分别如表II、表III和表IV所示。这些结果与摄像头获取的数据完全一致。这种一致性很可能是由于关键词检测的作用。因此,认为使用关键词检测对对话进行分类,可使生活行为估计的准确度达到与摄像头相当的水平。

另一方面,表V显示了未使用关键词检测的分类(4)的实验结果。在3天内,摄像头获取的数据与日志数据之间的相对误差高达约77%。其原因在于实验是在实验室中进行的,最有可能是拾取到了受试者之外多个人的声音。图5展示了日志数据与摄像头数据在对话数量方面的对比图表。

尽管每个类别中的对话数量不同,但按时间顺序排列的数据表明,这些对话的发生时间与摄像头数据的时间一致,因此认为生活行为估计是准确的。

表II. 日志数据与摄像头在类别(1)至(4)上的比较结果
(1) (2) (3)
摄像头数据 一致 一致 一致
日志数据 一致 一致 一致

示意图4

IV. 结论

本研究提出了一种利用语音交互机器人对老年人进行生活监护的系统。研究表明,通过获取与监护对象的对话内容作为日志数据并进行关键词检测,语音交互机器人能够像摄像头一样准确估计日常生活活动。我们还描述了通过LINE或电子邮件将生活监护结果通知家人和亲属的方法。

未来,我们将致力于通过增加对受试者日常活动进行更详细分析的功能,以提高生活监护的准确性。

您可能感兴趣的与本文相关的镜像

HunyuanVideo-Foley

HunyuanVideo-Foley

语音合成

HunyuanVideo-Foley是由腾讯混元2025年8月28日宣布开源端到端视频音效生成模型,用户只需输入视频和文字,就能为视频匹配电影级音效

内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问题,采用Redis预减库存、消息队列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值