Jan, 2024

从 AI 教练学习赛车：多模态自主驾驶解释对驾驶性能、认知负荷、专业知识和信任的影响

PDF
TL;DR通过一项前后实验，我们测试了模仿人类驾驶专家指令的人工智能教练解释性沟通对驾驶性能、认知负荷、信心、专业知识和观测学习背景下的信任度的影响。结果表明，人工智能驾驶教练对新手教授性能驾驶技能非常有用，并且信息类型和呈现方式对驾驶表现有影响，需要倾向于设计高效、适合感官的解释性沟通以指导学习过程。
ai coachexplanatory communicationsdriving performancecognitive loadobservation learning context
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

  • 自动驾驶中解释细节对乘客的影响

    本文研究了自然语言解释的详细程度对无人驾驶汽车中乘客的影响，结果显示，自然语言解释对提高乘客的感知安全和减轻焦虑情绪有类似的积极效果，但详细的解释会影响乘客希望掌控驾驶行为的意愿。

    Jul, 2023

  • 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

  • 自动驾驶解释对驾驶员信任、偏爱、焦虑和心理负荷的影响

    本研究在 32 名实验参与者中使用四种不同条件进行了模拟试驾实验，分别是: (1) 无解释，(2) AV 行动前给出解释，(3) AV 行动后给出解释和 (4) 驾驶员听取解释后选择是否批准 AV 的行动。结果表明，在 AV 行动前提供的解释与更高的信任度和喜好度相关联，但焦虑和心理负荷没有区别。这些结果对于 AV 的采纳有重要的启示作用。

    May, 2019

  • 可解释人工智能对认知负荷的影响：一项实证研究的见解

    通过对 271 个未来医生进行实证研究，本文发现可解释人工智能在决策支持系统中对最终用户的认知负荷、任务绩效和任务时间具有强大的影响，进一步提供了实现最佳效果的本地可解释人工智能解释类型建议，为社会技术可解释人工智能研究提供了实践价值。

    Apr, 2023

  • 自动驾驶汽车的解释必要性研究

    研究证明，提供自动驾驶汽车行动解释具有许多优点，但人们需要什么样的解释及其关键程度在不同的驾驶情境下发生转变。该研究通过实验发现，驾驶者类型和驾驶场景决定是否需要解释，特别是在危机事件发生附近，人们往往同意必须提供解释。

    Jun, 2020

  • 人们是否在认知上与 AI 互动？AI 辅助对附带学习的影响

    研究如何促进人们在决策时更认真地处理和与 AI 的信息相关交互在三种实验涉及人们做出营养决策并接收虚拟 AI 建议和解释，实验结果显示人们在处理带有解释的 AI 建议时去到更深层次的认知需要并获得更多的学习收益。

    Feb, 2022

  • 从口述的思维到自动驾驶评论：预测和解释智能汽车的行动

    本文基于实地数据，探究了驾驶教练在不同驾驶操作时的评论风格，成功地使用基于透明树的方法自动生成符合该风格的自然语言解释，为今后在驾驶辅助和自动驾驶功能上实现更强大和有效的可解释性奠定了基础。

    Apr, 2022

  • 从头还是从心？解释对认知和情感信任影响的实验设计

    研究发现，AV 解释对乘客的信任有促进作用，不过这一效果在认知信任和情感信任上可能会有所不同。因此，该研究旨在探究 AV 解释对认知和情感信任的影响，以更好地设计 AV 解释，并促进人们对 AV 的信任。

    Oct, 2021

  • 认知心理学中的解释有效性：合适的信任探讨

    人工智能的迅猛发展需要开发者和设计师注重人和机器的合作。通过理解认知心理学的发现，确定了四个构成元素，即感知、语义、意图和用户与上下文，以设计有效的解释，如通过将文本和视觉、可能性和实例、意向交流融合，实现了计算食品卡路里的例子，并建议在解释生成和交流之间增加一个额外的步骤，以确定解释的效力。

    Oct, 2022