MAVERIC：一种个性化自动驾驶的数据驱动方法
机器人学
2023-03-01 v2 人工智能
人机交互
摘要
自动驾驶车辆（AV）的个性化可显著提升信任度、使用率与接受度。我们特别假设，AV 的驾驶风格与终端用户驾驶风格的相似度将对用户使用 AV 的意愿产生重大影响。为探究驾驶风格对用户接受度的影响，我们 1）开发了一种个性化驾驶风格的数据驱动方法，2）证明了个性化显著影响对 AV 的态度。我们的方法学习一个高层模型，用以调节底层控制器，以确保 AV 的安全与个性化控制。该方法的关键在于学习一个具信息性的、代表用户驾驶风格的个性化嵌入。我们的框架能够校准攻击性水平，以基于驾驶员偏好优化驾驶风格。在两项人类受试者研究（n = 54）中，我们首先证明我们的方法能模仿终端用户的驾驶风格并可调节风格属性（如攻击性）。其次，我们研究了影响同嗜性（即个体对类似自身驾驶风格的偏好）的因素（如信任、性格等）。我们发现，我们的方法生成的驾驶风格与终端用户风格一致（p<.001），且参与者评价我们的方法在攻击性水平上与其更相似（p=.002）。我们发现性格（p<.001）、感知相似性（p<.001）和高速驾驶风格（p=.0031）显著调节同嗜性效应。
引用
@article{arxiv.2301.08595,
title = {MAVERIC: A Data-Driven Approach to Personalized Autonomous Driving},
author = {Mariah L. Schrum and Emily Sumner and Matthew C. Gombolay and Andrew Best},
journal= {arXiv preprint arXiv:2301.08595},
year = {2023}
}