MIT高级车辆技术研究：关于驾驶员行为及与自动化交互的大规模自然驾驶研究
计算机与社会
2019-08-15 v4 计算机视觉与模式识别
人机交互
摘要
在可预见的未来，人类很可能仍将是驾驶任务中不可或缺的一部分，在AI系统执行从略高于0%到略低于100%的驾驶操作时对其进行监控。MIT自主车辆技术(MIT-AVT)研究的总体目标是：(1) 开展包含高清视频的大规模真实世界驾驶数据收集，以推动基于深度学习的车内与车外感知系统的发展；(2) 通过将视频数据与车辆状态数据、驾驶员特征、心智模型以及技术使用的自我报告经验相整合，全面理解人类如何与车辆自动化技术交互；(3) 识别与自动化采纳和使用相关的技术及其他因素可如何改进以挽救生命。在追求这些目标的过程中，我们为23辆Tesla Model S和Model X车辆、2辆Volvo S90车辆、2辆Range Rover Evoque以及2辆Cadillac CT6车辆装备了仪器，进行长期(每位驾驶员超一年)和中期(每位驾驶员一个月)的自然驾驶数据收集。此外，我们持续开发新方法以分析从装备车辆车队收集的超大尺度数据集。记录的数据流包括IMU、GPS、CAN消息，以及驾驶员面部、驾驶舱、前方道路和仪表盘(部分车辆)的高清视频流。该研究正在进行且不断扩展。迄今，我们有122名参与者、15,610天参与时长、511,638英里和71亿视频帧。本文介绍了研究设计、数据收集硬件、数据处理，以及当前用于从数据中提取可操作知识的计算机视觉算法。
引用
@article{arxiv.1711.06976,
title = {MIT Advanced Vehicle Technology Study: Large-Scale Naturalistic Driving Study of Driver Behavior and Interaction with Automation},
author = {Lex Fridman and Daniel E. Brown and Michael Glazer and William Angell and Spencer Dodd and Benedikt Jenik and Jack Terwilliger and Aleksandr Patsekin and Julia Kindelsberger and Li Ding and Sean Seaman and Alea Mehler and Andrew Sipperley and Anthony Pettinato and Bobbie Seppelt and Linda Angell and Bruce Mehler and Bryan Reimer},
journal= {arXiv preprint arXiv:1711.06976},
year = {2019}
}