Apr, 2024

发展与自主驾驶车辆的联合行动情景感知

PDF
TL;DR人与自动驾驶汽车交互设计师如何支持乘车者信息需求是自动驾驶汽车采用的未解答问题。为了实现共同的人与自动驾驶汽车行动目标，如安全交通、信任或从自动驾驶汽车中学习，人、自动驾驶汽车和人 - 自动驶驶汽车系统必须共同具备足够的情境意识。我们提出了一个系统级框架，将联合行动和情境意识的认知理论整合起来，以满足目标成功所必需的沟通需求。该框架基于共享情境的四个组成部分：自动驾驶汽车特征、行动目标、主观特征和状态以及具体驾驶情境。自动驾驶汽车的沟通应根据这些因素进行个性化调整，并在其变化时保持敏感。这个框架对于理解个人、共享和分布式的人 - 自动驾驶汽车的情境意识，并设计满足多样群体和多样驾驶情境信息需求和目标的未来自动驾驶汽车沟通非常有用。
human-av interaction designersautonomous vehiclessituational awarenesscommunicationsdriving contexts
发现论文，激发创造
  • 拓展情景理论以探索人工智能自主系统中的共享意识

    智能自主系统与其他系统相互作用以完成复杂环境中的任务，但其有限的认知过程导致了共享情境意识的缺乏，从而对团队的有效性产生了不利影响。本研究通过讨论情境理论的概念，探讨了人类与智能自主系统相互配合时开发系统共享情境意识的方式，并在此基础上提出了三个对未来系统设计和开发有益的主要猜想。

    Jun, 2024

  • 半自动驾驶车辆中评估驾驶员情境感知能力：基于 ASP 的驾驶动力学特征建模场景解释与预测

    软件和硬件框架评估驾驶员对交通状况的感知能力，并提供人机界面辅助以增强感知能力，重点介绍基于答案集规划的驾驶员场景解释和预测方法。

    Aug, 2023

  • 自动驾驶车辆在全自动和混合交通条件下的开发与评估

    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

  • 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

  • 自动驾驶汽车的社会兼容行为设计及真实人类数据验证

    本文介绍了一个基于不确定性感知的集成预测和规划框架，在考虑人的礼貌及预测不确定性的同时生成安全有效的 AV 行为。研究表明，该算法可以明显提高生成行为的人类感，同时还发现人类驾驶员在道路上表现出很大的礼貌，即使对于没有优先权的其他人行驶者，而且这种驾驶偏好在不同文化中存在显著差异。

    Oct, 2020

  • 驾驶员 - 行人交互中的共同注意力：从理论到实践

    自动驾驶汽车面临的主要挑战之一是在城市环境中行驶。本文从共同注意力的角度解决行人和司机（或车辆）之间的互动问题，讨论共同注意力理论背景、其在交通互动中的应用以及自动驾驶汽车实现共同注意力的实际方法。

    Feb, 2018

  • 人本自动驾驶系统：有效共享自主性原则

    本文提出了一组使用人性化方式设计和构建自动驾驶车辆的原则，旨在应对自动驾驶车辆必须与人类进行互动这一挑战，并通过以人为中心的方法来解决该问题。并通过开发以人为中心的自主驾驶汽车 (HCAV) 为例，说明实现这些原则的方法。

    Oct, 2018

  • 增强现实辅助界面对高度自主驾驶汽车驾驶员目标感知的影响

    使用增强现实技术作为用户界面的驾驶辅助系统，通过突出道路上的潜在危险物，帮助驾驶员改善在部分自动驾驶汽车中的情境感知能力，通过人机交互实验获得实验结果以提供设计指南。

    Jun, 2022

  • 通过知识共享和个性化学习自动驾驶车辆的驾驶员模型

    使用知识分享和个性化的方式描述了一种学习自动驾驶车辆（AVs）驾驶模型的框架，该模型在多个车辆之间进行知识分享，以提高其在真实世界中驾驶场景的暴露度。该方法通过共同训练一个驾驶模型，同时保留针对每个车辆独特条件和特性的个性化模型，实现了多个车辆之间的协作而无需共享原始数据。该方法在实验模拟中展示了出色的性能，适用于智能交通系统、交通管理和车辆之间的通信等多个交通工程应用领域。

    Aug, 2023

  • 自动驾驶车辆运行期间安全驾驶员注意力分类

    这篇论文介绍了一种利用红外摄像机和车辆感知系统的双源方法，以便根据驾驶员的警觉程度评估其操作安全性，并在需要时进行干预，从而为 ADAS 和 AV 的整体安全和效率做出贡献。

    Oct, 2023