面向 2 级驾驶自动化的自适应信任校准

恰当校准的人类的信任对于人与自动化之间的成功交互至关重要。然而，虽然人类信任校准可通过提高自动化透明度来改善，但过多的透明度会使人类工作负荷过载。为应对此权衡，我们提出一种使用部分可观测马尔可夫决策过程（POMDP）的概率框架，用于在动作-自动化情境中建模人类行为的信任-工作负荷耦合动力学。我们具体考虑城市环境中涉及多个交叉口的脱手 2 级驾驶自动化，其中人类选择是否依赖自动化。我们考虑自动化可靠性、自动化透明度与场景复杂度，连同人类依赖与眼动行为，以建模人类信任与工作负荷的动力学。我们证明，我们的模型框架可基于实时人类信任与工作负荷信念估计适当地调节自动化透明度，以实现信任校准。