从口语化思维到自动驾驶解说：预测与解释智能车辆的行为

在解说式驾驶中，驾驶员将其观察、评估和意图用言语表达出来。通过说出自己的想法，学习驾驶员与专家驾驶员均能对所处环境建立更好的理解与意识。在智能车辆语境下，自动驾驶解说可提供关于驾驶动作的可理解解释，从而在具有挑战性和安全关键的场景中协助驾驶员或终端用户进行操作。本文中，我们开展了一项实地研究，在城市环境中部署研究车辆以采集数据。在收集车辆周边传感器数据的同时，我们通过出声思考协议从驾驶教练处获取驾驶解说。我们分析驾驶解说并揭示了一种解释风格：驾驶员先宣告其观察，再宣告其计划，然后作出一般性评述。他还作出了反事实评论。我们成功展示了如何使用基于透明树的方法自动生成遵循该风格的事实性与反事实自然语言解释。相较于横向动作（如变道），人类评判者认为针对纵向动作（如停车与行驶）生成的解释更具可理解性与合理性。我们讨论了未来如何基于我们的方法，实现更鲁棒且有效的可解释性，以用于驾驶辅助以及驾驶功能的局部与有条件自动化。