融合参与式设计与人工意识感知：面向可信自主车辆

当前的机器人代理（如自主车辆和无人机）需要应对充满不确定性的真实世界环境，具备恰当的情境意识（SA）、风险意识、协调能力和决策能力。SymAware项目旨在通过设计一种用于人工意识感知的体系结构，实现自主车辆和无人机之间的安全协作。然而，这些代理也需要与人类用户（驾驶员、行人、无人机操作员）进行交互，这要求我们理解如何建模人类并在代理与人类之间建立信任和透明度。在本文中，我们旨在创建一种数据驱动的人类驾驶员模型，用于整合到我们的SA体系结构中，立足于可信人类-代理交互原则。为收集创建该模型所需的数据，我们进行了大规模以用户为中心的人类-自主车辆交互研究，探讨了自主车辆透明度与用户行为之间的关系。本文的贡献有两个方面：首先，我们详细阐述了我们的human-AV研究及其发现；其次，我们呈现了从研究数据中计算得到的人类驾驶员马尔可夫链模型。我们的结果表明， Depending on the AV的透明度、情景的环境以及用户的统计特征，我们可以在模型的转移过程中获得显著差异。