面向条件自动驾驶的情境感知情境意识建模
人工智能
2024-05-14 v1 新兴技术
机器学习
摘要
维持条件自动驾驶车辆 (AVs) 的充分情境意识 (SA) 对安全运行至关重要，这需要司机在控制权交接 (TOR) 事件时重新获得控制权。 本研究开发了一个用于实时评估司机 SA 的预测模型，使用收集于模拟驾驶环境中的多模态数据（例如皮肤电伴随反应、心率和眼动数据，以及司机特征）。 67 名参与者经历了包含 TOR 的自动驾驶情境，情境条件在风险感知和自动驾驶错误存在性方面有所不同。 由 SHAP (SHapley Additive exPlanations) 识别的前 12 个预测器训练的 LightGBM (Light Gradient Boosting Machine) 模型在预测司机 SA 时实现了令人满意的性能，分别达到 RMSE=0.89、MAE=0.71 和 Corr=0.78。 这些发现对面向条件自动驾驶的 SA 情境感知建模具有意义，为更安全、更顺畅的司机-AV 交互指明了方向。
引用
@article{arxiv.2405.07087,
title = {Auditing an Automatic Grading Model with deep Reinforcement Learning},
author = {Aubrey Condor and Zachary Pardos},
journal= {arXiv preprint arXiv:2405.07087},
year = {2024}
}