音视频情感评估与自主汽车:应用
研究了通过非语言图灵测试来评估自动驾驶汽车所提供的人类体验。其中,实验结果表明,与人类驾驶员相比,被测试的 AI 驾驶员提供的人类体验并不尽如人意,并结合 Lewin 的现场理论,进一步探讨了情感过渡如何影响乘客对于与人类驾驶员相似的自动驾驶体验的评估。
Dec, 2022
本文提出了一个实验框架,通过多学科的方法(计算机视觉和人文社科学)研究自动驾驶汽车乘客的内部活动,包括与驾驶无关的活动,旨在捕捉实时的真实数据并创建数据集,以促进计算机视觉算法的发展和评估。
Jun, 2023
自动驾驶车辆的知觉系统及其与计算机视觉和传感器相关的技术发展和应用进行了综述,概述了自动驾驶车辆的发展、传感器和数据集、计算机视觉应用以及公众意见和担忧,并分析了当前技术挑战和未来研究方向。
Nov, 2023
自动驾驶汽车技术快速发展,对道路交通安全产生了重大影响,同时也解决了多种复杂的交通问题。为了确保自动驾驶汽车之间以及自动驾驶汽车与人类驾驶员之间的合作互动,本研究提出了一个多阶段的方法,采用共享和关怀的车对车通信策略来加强协同行为。通过进行一项调查来验证自动驾驶汽车的驾驶性能,并可用于一个混合交通案例研究,重点研究人类驾驶员如何对待与他们同时驾驶在同一条道路上的自动驾驶汽车。研究结果表明,采用深度强化学习,自动驾驶车辆获得了接近人类驾驶性能的驾驶行为。在自动驾驶汽车网络中采用共享和关怀的车对车通信可以提高其驾驶行为,促进更有效的行动计划,并增进自动驾驶汽车之间的合作行为。调查结果显示,无法保证混合交通中的安全性,因为我们无法控制人类驾驶员出于自我的行为,如果他们决定与自动驾驶汽车竞争。因此,本研究倡导加强对自动驾驶汽车在公共道路上安全融入的研究。
Dec, 2023
本文从人类的舒适性角度,概述了自动驾驶的体系结构和相关补充框架,列举了测量自动驾驶用户舒适度和心理分析的技术要素,讨论了自动驾驶舒适系统、AV 驾驶员响应时间、AV 的舒适水平、晕车以及相关优化技术的技术细节,分析了自动驾驶对用户身体和心理状态的影响以及舒适性因素对汽车市场的影响,并提供了详细的自动驾驶舒适使用案例以说明自动驾驶的舒适问题。
Jun, 2023
该研究通过实施虚拟现实和交通微模拟集成的实验环境,并在典型和多样化的交通场景下进行测试,提出了驾驶员介入行为的新视角,从而改善自动驾驶在类似情景下的表现,并为人与自动化系统之间的信任关系研究提供了有价值的综合与沉浸式工具。
Dec, 2023
提出了 ACTOR(Affect-Consistent mulTimodal behaviOR generation)框架,旨在通过生成多模态行为来增加对情感的知觉;在用户研究中证明了多模态行为在一致和不一致情感条件下的知觉,结果表明一致情感条件下多模态行为的知觉更准确,因此,多模态情感调节和一致性对于增强具有体验性对话代理的情感知觉至关重要。
Sep, 2023
自动驾驶是一项新兴技术,本论文提出了一种基于深度强化学习的参数化决策框架,AUTO,在感知多模态状态特征基础上设计了图形模型来学习多模态语义特征的状态表示,并通过混合奖励函数考虑安全、交通效率、乘客舒适度等因素,以生成最佳行动。通过广泛实验,证明了 AUTO 在宏观和微观效果上领先于现有技术。
Dec, 2023
本文提出并分析了终端到终端驾驶中,结合 RGB 和深度信息数据的多模态方案,以期提高自动驾驶 AI 模型的性能。通过模拟和条件模仿学习,证明了采用早期融合多模态方案,可以超越采用单模态的性能表现。
Jun, 2019