一种基于多模态意图理解的对话Agent交互方法

本发明涉及人机交互技术领域，具体涉及一种基于多模态意图理解的对话Agent交互方法，包括以下步骤：S1：实时采集用户交互过程中的多模态数据，计算各模态数据源的时间同步偏差值；S2：构建时空融合特征向量；S3：解析时空融合特征向量中的显性动作指令与隐性行为线索；S4：生成多层级意图解析树；S5：当意图解析树中任一节点的修正后置信度低于设定阈值时，激活针对性传感器补充采集数据；S6：根据最终确认的意图解析树驱动响应决策。本发明，通过构建具备时空一致性融合能力、显隐性意图解析机制及自适应模态澄清策略的多模态交互方法，实现了对话Agent在复杂场景下对用户意图的高精度识别与响应控制。