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

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 人工智能与人类交互中的信任:模型、度量和方法的概览

    这篇论文针对机器人、虚拟角色、智能车辆、决策帮助等各类AI系统中关于信任模型的应用和测量方法缺乏标准化的现状进行了概述和分析。作者提出了一些系统的研究目标，并为当前文献汇总的优点和缺点提供了解决方案和研究议程。

    Apr, 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

    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

  • 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

  • 人机信任问卷的元分析：趋同性度量与新兴模型

    这篇论文通过对多个经过验证和可靠的人机互动信任测量工具的元分析，提出了一个一致的人机互动信任模型，为今后的研究提供了一个综合框架，并确定了信任测量的边界和需进一步调查的领域。

    Mar, 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

  • 将汽车人工智能标记为“可信”或“可靠”对用户评价和技术接受的影响

    本研究探讨将汽车人工智能标记为“可信”或“可靠”是否会影响用户的认知和接受度。研究发现，尽管“可信”标签对特定情境的判断影响不大，但显著提高了用户的易用感和人性化信任，特别是仁爱属性。这一发现为理解标签如何影响用户对人工智能技术的态度提供了重要启示。

    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

  • 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