OptiCarVis：利用贝叶斯优化改进自动驾驶车辆功能可视化以提升用户体验
人机交互
2025-03-13 v3
摘要
自动驾驶车辆（AV）的接受度依赖于通过反馈对其进行理解。虽然可视化旨在增强用户对AV检测、预测和规划功能的理解，但确立最优设计具有挑战性。传统的“一刀切”设计可能并不合适，这源于资源密集型的实证评估。本文介绍了OptiCarVis，这是一套使用多目标贝叶斯优化（MOBO）来优化AV反馈可视化的人在环（HITL）方法。我们使用八种专家和用户定制设计作为热启动HITL MOBO的条件进行了比较。一项在线研究（N=117）表明，OptiCarVis在不增加认知负荷的情况下，显著提高了信任度、接受度、感知安全性和可预测性。OptiCarVis促进了全面的设计空间探索，增强了车载界面以实现最佳乘客体验及更广泛的适用性。
引用
@article{arxiv.2501.06757,
title = {OptiCarVis: Improving Automated Vehicle Functionality Visualizations Using Bayesian Optimization to Enhance User Experience},
author = {Pascal Jansen and Mark Colley and Svenja Krauß and Daniel Hirschle and Enrico Rukzio},
journal= {arXiv preprint arXiv:2501.06757},
year = {2025}
}
备注
Accepted at CHI 2025