Dec, 2022

构建人机兼容的自动驾驶汽车：基于情感转移建模的自动驾驶非言语图灵测试研究

PDF
TL;DR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。
autonomous carshuman likenesspassenger experienceturing testaffective transition
发现论文，激发创造
  • 音视频情感评估与自主汽车：应用

    该研究探讨了在自主驾驶汽车中进行情感分析、乘客建模和情感分析以及在特定案例中将自主驾驶汽车的情感分析应用实现的挑战和潜在途径。

    Mar, 2022

  • MIT 先进车辆技术研究：驾驶员行为与自动化交互的大规模自然驾驶研究

    通过对 23 辆特斯拉 Model S/X，2 辆沃尔沃 S90，2 辆路虎 Evoque 和 2 辆凯迪拉克 CT6 车辆装载数据采集硬件进行长期和中期的数据采集，结合 IMU，GPS，CAN 信息和高清视频流分析，探索人类与自动驾驶技术相互作用的全景认识，提取其中可行的研究方式和深度学习的算法，最终为开发自动驾驶做出贡献。

    Nov, 2017

  • 自动驾驶的语言代理

    我们提出了一种从普通流程转变的方法，即通过引入大型语言模型作为认知代理，将人类智能融入自动驾驶系统，实现更加人性化的自动驾驶。我们的方法通过函数调用访问一个多功能工具库、具有常识和经验知识的认知记忆以进行决策制定，并且具备由思维推理、任务规划、动作规划和自我反思构成的推理引擎。在大规模 nuScenes 基准测试中，我们的 Agent-Driver 显著优于现有的自动驾驶方法，并且还表现出较强的可解释性和少样本学习能力。

    Nov, 2023

  • AutoExp：一种多学科、多传感器框架，用于评估自动驾驶汽车中的人类活动

    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

  • 自然语言指令的条件驱动

    该研究介绍了一种基于语言的驾驶智能体，它使用递归层和门控注意力实现分层策略，通过条件模仿学习培训策略，并能够成功地解释语言指令并安全地跟随它们，甚至在以前未见过的环境中进行泛化。

    Oct, 2019

  • 开车时说话：使自动驾驶车辆拥有类人交互能力的大型语言模型

    未来的自动驾驶车辆依赖于人本主义设计和先进的人工智能能力，本文提出了一个新的框架，利用大型语言模型（LLMs）增强自动驾驶车辆的决策过程，目标是将 LLMs 的自然语言能力和上下文理解、专用工具使用、思维协同和各种模块行为与自动驾驶车辆无缝集成在一起，为自动驾驶技术提供个性化辅助、持续学习和透明决策，从而为更安全、更高效的自动驾驶技术作出贡献。

    Sep, 2023

  • 可迁移和可适应的驾驶行为预测

    提出了一种基于 HATN 的分层框架，通过模仿人类在驾驶中的认知模型和语义理解生成高质量、可转移和适应性 strong > 预测，在真实交通数据中展示了其在准确性、可转移性和适应性方面明显优于其他方法的优势，并强调将来应重点关注可转移性和适应性。

    Feb, 2022

  • 学习模拟合作驾驶任务的潜在特征

    通过对司机人群行为偏好数据的建模和模拟，我们构建了一个智能辅助驾驶员驾驶干预策略的轻量级仿真环境，并使用该环境来测试不同驾驶员类型的区分能力和干预策略的效果。

    Jul, 2022

  • 行为分析检测自主驾驶车辆

    利用图像和状态信息，该研究提出了一种全面的自动驾驶监测框架，旨在自动识别自动驾驶车辆与人工驾驶车辆的行为，并在充分考虑数据采集条件不佳的情况下进行测试。

    Mar, 2024

  • 人类还是机器？视觉和语言的图灵测试

    通过图灵测试进行了人工智能算法和人类的对比实验，实验结果表明在视觉和语言挑战方面，当前的人工智能算法已能够成功模仿人类的判断。同时，该论文提出了一个评价人类模仿能力的方法，通过该方法可以进行新的理论探究与研究成果的展示。

    Nov, 2022