Intent-aware Multi-lingual AI Agents for Voice-Based Transactions in Edge IoT Systems
Notice bibliographique
Résumé
Voice-based commerce is emerging as a convenient modality for consumers to transact in domains like retail and automotive services. However, deploying intent recognition agents in noisy, bandwidth-limited Internet of Things (IoT) environments (e.g., vehicles, factories) poses significant challenges. This paper proposes an intent-aware AI agent framework optimized for on-device speech recognition and understanding in edge IoT settings. The system leverages robust acoustic modeling and multilingual spoken language understanding to reliably extract user intents under ambient noise and network constraints. We introduce an edge-compute architecture that processes voice commands locally for low latency and privacy, using model compression and quantization to fit resource-constrained devices. To enable monetization, the agent supports contextual product recommendations (voice-based “ads”), third-party API call integrations with licensing control, and a tiered service model where premium subscribers benefit from enhanced on-device inference capabilities. We evaluate the framework in a smart automotive environment. The on-device system achieves 94.3% intent accuracy in quiet conditions and$\mathbf{9 0. 5 \%}$under noisy conditions with noise suppression (SNR$\approx \mathbf{5 - 1 0 ~ d B}$), with 280 ms end-to-end latency and a quantized intent model of 0.30 MB (-75% vs. uncompressed). These results are comparable to cloud-based performance while reducing latency and preserving privacy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».