IP-Coster | WO2026119424 | VERFAHREN UND SYSTEM ZUM ERZEUGEN VON MASCHINENLERNMODELLEN FÜR EINEN SPRACHASSISTENTEN EINES FAHRZEUGS

Country	Stages	Total
China	Filing, Examination, Granting	1924
EPO	Filing, Examination, Granting	8177
Japan	Filing, Examination, Granting	2049
South Korea	Filing, Examination, Granting	1803
USA	Filing, Examination, Granting	5340

Abstract[German] Bei einem Verfahren zum Erzeugen von Maschinenlernmodellen für einen Sprachassistenten eines Fahrzeugs (302) wird aus einem Maschinenlernmodell, umfassend ein Sprachmodell, das trainiert ist, auf Grundlage einer Nutzereingabe, die einer von einem Fahrzeuginsassen (310) gewünschten Fahrzeugfunktion entspricht, eine Ausgabe zu erzeugen, die der semantischen Bedeutung der Nutzereingabe entspricht, und ein Klassifizierungsmodell, das dazu ausgebildet ist, die Ausgabe des Sprachmodells als Eingabe zu akzeptieren, unter Verwendung erster Trainingsdaten und ohne die Parameter des Sprachmodells zu verändern ein erstes trainiertes Maschinenlernmodell erzeugt wird, das dazu ausgebildet ist, auf Grundlage der Nutzereingabe eine Fahrzeugfunktion aus einer ersten Gruppe von Fahrzeugfunktionen zu ermitteln, die der gewünschten Fahrzeugfunktion am wahrscheinlichsten entspricht. Es wird ferner unter Verwendung zweiter Trainingsdaten und ohne die Parameter des Sprachmodells zu verändern ein zweites trainiertes Maschinenlernmodell erzeugt, das dazu ausgebildet ist, auf Grundlage der Nutzereingabe eine Fahrzeugfunktion aus einer zweiten Gruppe von Fahrzeugfunktionen zu ermitteln, die der gewünschten Fahrzeugfunktion am wahrscheinlichsten entspricht. Die ersten Trainingsdaten umfassen beispielhafte Nutzereingaben, die jeweils mit einer entsprechenden Fahrzeugfunktion aus der ersten Gruppe von Fahrzeugfunktionen gelabelt sind. Die zweiten Trainingsdaten umfassen beispielhafte Nutzereingaben, die jeweils mit einer entsprechenden Fahrzeugfunktion aus der zweiten Gruppe von Fahrzeugfunktionen gelabelt sind. Die erste Gruppe und die zweite Gruppe weisen verschiedene Fahrzeugfunktionen auf und/oder die Fahrzeugfunktionen der ersten Gruppe und die Fahrzeugfunktionen der zweiten Gruppe weisen verschiedene Funktionsparameter auf.[English] In a method for generating machine learning models for a voice assistant for a vehicle (302), a first trained machine learning model is generated from a machine learning model comprising: a language model which is trained to generate an output on the basis of a user input corresponding to a vehicle function desired by a vehicle occupant (310), the output corresponding to the semantic meaning of the user input; and a classification model which is designed to accept the output of the language model as an input. The first trained machine learning model is generated using a first set of training data and without changing the parameters of the language model, and is designed to determine, on the basis of the user input, from among a first group of vehicle functions, a vehicle function which most likely corresponds to the desired vehicle function. Additionally, using a second set of training data and without modifying the parameters of the language model, a second trained machine learning model is generated, which is designed to determine, on the basis of the user input, from among a second group of vehicle functions, a vehicle function which most likely corresponds to the desired vehicle function. The first set of training data includes example user inputs that are each labeled with a corresponding vehicle function from among the first group of vehicle functions. The second set of training data includes example user inputs that are each labeled with a corresponding vehicle function from among the second group of vehicle functions. The first group and the second group comprise different vehicle functions, and/or the vehicle functions of the first group and the vehicle functions of the second group comprise different functional parameters.[French] Dans un procédé de génération de modèles d'apprentissage automatique pour un assistant vocal pour un véhicule (302), un premier modèle d'apprentissage automatique entraîné est généré à partir d'un modèle d'apprentissage automatique comprenant : un modèle de langage qui est entraîné pour générer une sortie sur la base d'une entrée d'utilisateur correspondant à une fonction de véhicule souhaitée par un occupant de véhicule (310), la sortie correspondant à la signification sémantique de l'entrée d'utilisateur ; et un modèle de classification qui est conçu pour accepter la sortie du modèle de langage en tant qu'entrée. Le premier modèle d'apprentissage machine entraîné est généré à l'aide d'un premier ensemble de données d'apprentissage et sans changer les paramètres du modèle de langage, et est conçu pour déterminer, sur la base de l'entrée d'utilisateur, parmi un premier groupe de fonctions de véhicule, une fonction de véhicule qui correspond le plus probablement à la fonction de véhicule souhaitée. De plus, à l'aide d'un second ensemble de données d'apprentissage et sans modifier les paramètres du modèle de langage, un second modèle d'apprentissage automatique entraîné est généré, ce second modèle étant conçu pour déterminer, sur la base de l'entrée d'utilisateur, parmi un second groupe de fonctions de véhicule, une fonction de véhicule qui correspond le plus probablement à la fonction de véhicule souhaitée. Le premier ensemble de données d'apprentissage comprend des exemples d'entrées d'utilisateur qui sont chacun étiquetés avec une fonction de véhicule correspondante parmi le premier groupe de fonctions de véhicule. Le second ensemble de données d'apprentissage comprend des exemples d'entrées d'utilisateur qui sont chacun étiquetés avec une fonction de véhicule correspondante parmi le second groupe de fonctions de véhicule. Le premier groupe et le second groupe comprennent différentes fonctions de véhicule, et/ou les fonctions de véhicule du premier groupe et les fonctions de véhicule du second groupe comprennent différents paramètres fonctionnels.

Total Number of Claims/PCT	*
Number of Independent Claims	*
Number of Priorities	*
Number of Multi-Dependent Claims	*
Number of Drawings	*
Pages for Publication	*
Number of Pages with Drawings	*
Pages of Specification	*
Sequence Listing	*
Number of Office Actions	*
International Search Report is established	*
International Searching Authority	EPO *
Recordal of a Change of the Applicant's Name/Address	Change of Applicant's Name and Address *
Type of Assignment	The Standard Agent's Assignment *
Applicant's Legal Status	Legal Entity *
Small Entity	*
Non-Commercial Organization	*
Micro Entity	*
Small Entity, USA	*
Micro Entity, USA	*
Entry into National Phase under	Chapter I *
Patent Delivery	Send the Letters Patent by Courier *
Translation

WO2026119424 - VERFAHREN UND SYSTEM ZUM ERZEUGEN VON MASCHINENLERNMODELLEN FÜR EINEN SPRACHASSISTENTEN EINES FAHRZEUGS

Quotation for National Phase entry

Contact Us