Sep, 2022

用语言表述决策树状态解释自主性

PDF
TL;DR该研究旨在提供一个框架，以易于理解的方式解释自主车辆在任务期间所采取的决策和行动，并具有与任何自主体系结构叠加的自主性无关的系统。
auv technologyautonomous vehicledecision treeknowledge distillationconcept2text generation
发现论文，激发创造
  • 将解释引入自动驾驶车辆的人机界面以提升信任和情景感知

    自动驾驶汽车中人工智能的可解释性和人机界面对于建立信任起到重要作用，因此本研究探讨了可解释性人机系统的作用，提出了一种评估用户对自动驾驶行为的信任的情境感知框架，并通过实验证明了相关的经验结果。

    Apr, 2024

  • 自动评论驾驶的文本解释

    本文介绍了一种基于深度学习的车辆控制器预测的自然语言解释模型，并通过新的模型改进了模型的性能，特别是在文本解释方面，达到了比基准模型更高的性能。

    Apr, 2023

  • 利用视觉问答解释自主驾驶行为

    通过视觉问答 (VQA) 框架解释自动驾驶的决策，以提高驾驶安全性。

    Jul, 2023

  • 理解路径规划解释

    通过图像和文本解释，我们提出了关于机器人导航决策的理解性和简洁性的用户研究。

    Nov, 2023

  • 推进可解释的自动驾驶车辆系统：综述与研究路线图

    通过全面回顾已有文献，本研究对解释性任务、解释性信息和解释性信息沟通这三个主要话题进行了分类，提出了一个综合的研究路线图，旨在指导解释性自动驾驶车辆的开发和部署，以确保在用户需求、技术进步、合规性和伦理考虑等方面具有更安全和可信赖的自主驾驶体验。

    Mar, 2024

  • 通往法律自治的道路：利用大型语言模型、专家系统和贝叶斯网络进行可互操作和可解释的法律信息提取、转换、加载和计算的方法

    通过使用大型语言模型（LLM）、专家法律系统（即法律决策路径）和贝叶斯网络的方法，本文概述了一种应用于自主汽车方面的方法的原理证明，该方法旨在通过对 AI 代理控制设备的代理软件中编码现有规则，实现人工智能代理理解法律并与之推理的能力。

    Mar, 2024

  • 自动驾驶车辆的行为解释中涉及人的属性和目的

    AI 系统的关键是提供用户可以理解和采取行动的解释。本论文通过对认知科学和解释相关的文献研究，以及调查人们对自主驾驶车辆行为解释的生成和评价，发现人们倾向于用目的论解释决策和行为，无论是对于其他人还是自主驾驶车辆都表现出这一倾向。研究结果促进了对于自主驾驶决策的人工注释视频情况和解释数据集 (HEADD) 的进一步研究。

    Mar, 2024

  • 自动驾驶车辆的文本解释

    本研究提出了一种基于神经网络、视觉的注意力模型和视频 - 文本模型的内向性解释方法，通过控制器和解释模型之间的注意力导图，生成可解释的行驶模型动作的文本描述，并与外向性解释模型的效果进行比较。

    Jul, 2018

  • 自主车辆中可解释的物体诱导动作决策

    提出一种新的自动驾驶模式，基于场景理解、行动诱导对象和解释，采用多任务学习和 CNN 架构，可以优化车辆动作指令和场景解释的准确度，改善行动诱导对象的识别和车辆动作预测表现。

    Mar, 2020

  • 自主教育结构情景下的可解释性

    本文提出在教育结构化自主环境下进行决策过程中的可解释性概念，尤其强调了教育教师与学习者之间的稳健和迭代的基于解释的沟通的需求。

    Oct, 2022