面向自动驾驶车辆考虑人类信任的路线规划
人机交互
2022-08-22 v3
摘要
近期研究已考虑基于用户画像的个性化路线规划，但均未考虑人类信任。我们认为，在为自动驾驶车辆规划路线时，人类信任是一个重要的考量因素。本文提出一种面向自动驾驶车辆的基于信任的路线规划方法。我们将人车交互形式化为一个部分可观测马尔可夫决策过程（POMDP），并将信任建模为 POMDP 的部分可观测状态变量，表示人类隐藏的心理状态。我们利用在 Amazon Mechanical Turk 平台上对 100 名参与者开展的在线用户研究收集的数据，构建了人类信任动态与接管决策的数据驱动模型，并将其纳入 POMDP 框架。我们通过求解 POMDP 规划中的最优策略来计算自动驾驶车辆的最优路线，并通过在驾驶模拟器上对 22 名参与者进行人因实验来评估所得路线。实验结果表明，与采用基线（无信任）路线的参与者相比，采用基于信任路线的参与者在驾驶后问卷中普遍报告了更积极的反馈。此外，我们通过 POMDP 的多目标优化分析了多个规划目标（如信任、距离、能耗）之间的权衡。我们还指出了所提方法在自动驾驶车辆实际部署中的一组开放性问题和启示。
引用
@article{arxiv.2101.03267,
title = {Planning for Automated Vehicles with Human Trust},
author = {Shili Sheng and Erfan Pakdamanian and Kyungtae Han and Ziran Wang and John Lenneman and David Parker and Lu Feng},
journal= {arXiv preprint arXiv:2101.03267},
year = {2022}
}