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

HTML
PDF
TL;DR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。
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

  • MAVERIC: 以数据驱动的个性化自动驾驶方法

    利用数据驱动的方法调整控制器以确保AV的安全和个性化控制，进而提高用户的信任度和接受度，我们研究了驾驶风格对用户接受度的影响，并证明了个性化能显著影响AV的态度。

    Jan, 2023

  • 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

  • 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

  • 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

    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。

    Aug, 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

  • 预测自动驾驶汽车的信任：利用机器学习建模年轻成人的心理社会特征、风险-收益态度和驾驶因素

    本研究解决了自动驾驶汽车（AV）信任度低的问题，这是其普及的重要障碍。通过机器学习分析了1457名参与者的个人特征，发现感知的风险和收益、对可行性和可用性的态度以及个人的心理模型是信任度的重要预测因素。本研究强调了设计值得信赖的AV时考虑个体差异的重要性，并对未来设计和研究提出了关键的启示。

    Sep, 2024