在条件式自动驾驶中构建信任画像
人机交互
2023-06-30 v1 机器人学
摘要
信任对于确保自动驾驶车辆（AVs）的安全性、安全性与广泛采用至关重要；若缺乏信任，驾驶员与公众可能不愿使用。本研究旨在调查信任画像，以为 AVs 中的驾驶员创造个性化体验。该技术有助于从角色视角更好地理解驾驶员的动态信任。研究在驾驶模拟器中进行，参与者被要求从自动驾驶中接管控制，实验包含控制条件、误报条件与漏报条件三种情形，在不同场景中共有八次接管请求（TORs）。测量了驾驶员的倾向性信任、初始习得信任、动态信任、人格与情绪。我们使用 K-means 聚类模型识别出三种信任画像（即信仰者、摇摆者、怀疑者）。为验证该模型，我们基于 SHAP 解释器构建了多项逻辑回归模型，其选出最重要的特征以预测信任画像，F1 分数为 0.90、准确率为 0.89。我们还讨论了不同个体因素如何影响信任画像，从而帮助我们更好地从角色视角理解信任动态。我们的发现对设计个性化车载信任监测与校准系统具有重要意义，该系统可调节驾驶员信任水平，以改善自动驾驶中的安全性与体验。
引用
@article{arxiv.2306.16567,
title = {Building Trust Profiles in Conditionally Automated Driving},
author = {Lilit Avetisyan and Jackie Ayoub and X. Jessie Yang and Feng Zhou},
journal= {arXiv preprint arXiv:2306.16567},
year = {2023}
}