TRUCE-AV：用于自动驾驶车辆信任与舒适度估计的多模态数据集
人机交互
2025-08-26 v1
摘要
理解和估计驾驶员的信任和舒适感是自动驾驶车辆获得安全性和广泛接受度的关键。现有研究通常将用户信任和舒适感分开分析，且缺乏实时评估和不足的多模态数据。本文引入一种新型多模态数据集，名为TRUCE-AV，专注于自动驾驶车辆中的信任和舒适度估计。该数据集在基于模拟器的完全自动驾驶过程中收集了31名参与者的实时信任投票和持续舒适度评分。同时记录了心率、凝视和情绪等生理信号，以及环境数据（如车辆速度、附近车辆位置和速度），整个驾驶过程中均被记录。还实施了标准的驾驶前后问卷，以评估参与者对自动化系统的信任程度和整体幸福感，从而实现主观评估与实时响应之间的关联。为展示数据集的实用性，我们评估了 various machine learning models for trust and comfort estimation using physiological data。我们的分析表明，基于树的模型如随机森林和XGBoost，以及非线性模型如K最近邻（KNN）和多层感知器（MLP）回归器在信任分类和舒适度回归方面取得了最佳性能。此外，我们通过对顶尖模型进行SHAP分析，识别了贡献这些估计的关键特征。该数据集 enables the development of adaptive AV systems capable of dynamically responding to user trust and comfort levels non-invasively, ultimately enhancing safety, user experience, and human-centered vehicle design.
引用
@article{arxiv.2508.17880,
title = {TRUCE-AV: A Multimodal dataset for Trust and Comfort Estimation in Autonomous Vehicles},
author = {Aditi Bhalla and Christian Hellert and Enkelejda Kasneci and Nastassja Becker},
journal= {arXiv preprint arXiv:2508.17880},
year = {2025}
}