在线标注隐蔽危险驾驶场景：利用驾驶员脑电（EEG）信号
人机交互
2023-02-27 v1
摘要
随着自动驾驶系统的普及，系统从包含细粒度驾驶场景的数据库中学习变得日益关键。当前大多数可用数据库由人工标注，其代价高昂、耗时且存在行为偏差。本文提供初步证据，支持一种利用驾驶员脑电（EEG）信号在被动观看真实道路驾驶录像时隐式标注危险驾驶场景的新技术，从而免去人工标注之需，并避免人类标注者在显式报告时的行为偏差。我们利用真实生活与动画的驾驶场景录像开展了一项 EEG 实验，并要求参与者在必要时显式报告危险。行为结果显示，参与者往往仅在视野中出现显性危险（例如车辆或行人从遮挡物后意外出现）时才报告危险。相比之下，他们的 EEG 信号在看到显性危险与隐蔽危险（例如预示车辆或行人可能从遮挡物后出现的遮挡物）时均增强。因此，EEG 信号对驾驶危险比显式报告更敏感。此外，时间序列人工智能（TSAI）成功分类了对应于显性危险与隐蔽危险的 EEG 信号。我们讨论了在现实中实现该技术所需的后续步骤。
引用
@article{arxiv.2302.12424,
title = {Annotating Covert Hazardous Driving Scenarios Online: Utilizing Drivers' Electroencephalography (EEG) Signals},
author = {Chen Zheng and Muxiao Zi and Wenjie Jiang and Mengdi Chu and Yan Zhang and Jirui Yuan and Guyue Zhou and Jiangtao Gong},
journal= {arXiv preprint arXiv:2302.12424},
year = {2023}
}