利用对自动化的信任增强驾驶员与（半）自动驾驶汽车的交互并提升团队表现

对机器人的信任正从多个方向受到关注，因其在人机交互的理论描述中具有特殊相关性。它对于在社会中达到机器人技术的高接受度与使用率，以及实现有效的人机协作至关重要。研究者一直试图对机器人信任的发展进行建模，以改善人与机器人之间的整体关系。遗憾的是，对自动化的信任校准失当是一个常见问题，危及自动化使用的有效性。当用户信任水平与所使用自动化系统的能力不相称时，便会发生这种情况。用户可能：低估自动化——因缺乏信任而不使用机器能够正确执行的功能；或高估自动化——因过度信任而在机器能力不适用的情境下使用机器。本工作的主要目标是考察驾驶员对自动驾驶系统（ADS）的信任发展。我们旨在建模风险因素（如：ADS的误报与漏报）以及与这些风险因素相关的短期交互如何影响驾驶员对ADS信任的动态变化。驾驶情境便于通过仪器测量信任行为，例如驾驶员的眼动和自动化功能的使用时长。我们的发现表明，对驾驶员信任行为的可靠刻画以及随之而来的信任水平估计是可行的。我们期望这些技术将允许设计能够调整自身行为以试图调节驾驶员信任水平的ADS。该能力可避免低估与高估信任，从而可能损害其安全或表现。