Aug, 2024

透明性悖论？调查解释特异性和自动驾驶感知不准确性对乘客的影响

HTML
PDF
TL;DR本研究解决了在自动驾驶系统中，透明性是否会导致乘客焦虑等负面后果的问题。通过改进数据驱动的解释模型并进行实验研究，我们发现特定的解释能在感知系统错误较少时提高乘客的安全感，但在透明度高的情况下又会加剧焦虑。该研究表明，乘客更倾向于在感知准确度高的自动驾驶车辆中获得清晰和具体的解释。
发现论文，激发创造
  • 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

  • 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

  • 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

    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

  • 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

  • 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

    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。

    Jan, 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

  • 可解释人工智能在端到端自动驾驶中的安全影响

    当和如何可以解释性改善自动驾驶安全性是本文的主要研究领域和话题之间的关系。

    Mar, 2024

  • 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

  • 我的车说了什么？无人驾驶汽车解释错误、上下文和个人特征对舒适感、依赖度、满意度和驾驶信心的影响

    本研究解决了无人驾驶汽车（AV）在提供决策解释时可能出现的错误对乘客体验的影响。通过模拟驾驶实验，发现解释错误显著降低了乘客对AV的信任和满意度，并强调了解释的准确性和适应性对提升信任和依赖的重要性。本研究的发现为设计和实施可信的AV解释系统提供了指导。

    Sep, 2024

  • 我的车说了什么？自主车辆解释错误与驾驶情境对舒适度、依赖性、满意度和驾驶信心的影响

    本研究解决了自主车辆（AV）决策解释中的错误如何影响乘客的舒适度和信任等问题。研究发现，解释错误显著降低了乘客的依赖感、信心和对AV驾驶能力的满意度，而驾驶情境的危害性和难度则加剧了这种负面影响。结果强调了开发准确、适应情境的个性化AV解释的重要性，以增强信任和满意度。

    Sep, 2024