2022-08

补偿所需陪同人员的缺失：自动驾驶汽车功能系统架构草案

分类： 人机交互

作者： Tobias Schräder, Torben Stolte, Inga Jatzkowski, Robert Graubohm, Marcus Nolte, Markus Maurer

发布时间： 2022-08-30

链接： http://arxiv.org/abs/2208.14316v1

摘要： 开发全自动车辆的一个主要挑战是使大量用户能够独立、安全地使用车辆。使用传统汽车时依赖人工协助的用户群体提出了特殊要求。对于此类群体独立使用车辆，车辆必须补偿陪同人员的缺席，即使在未知情况下，陪同人员的行为和决定也能确保陪同人员的安全。仅通过车辆的几何设计及其控制元件的性质无法满足由此产生的要求。在车辆的整个自动化过程中必须考虑到用户的特殊需求。在本文中，我们描述了补偿无人陪同的要求，并展示了如何在自动车辆的分层功能系统架构中定位所需的功能。此外，我们概述了车辆操作设计领域在此背景下的相关性，并提出了所描述功能的用例。

虚拟现实中无人地面车辆的协同远程控制

分类： 人机交互, 机器人技术

作者： Ziming Li, Yiming Luo, Jialin Wang, Yushan Pan, Lingyun Yu, Hai-Ning Liang

发布时间： 2022-08-24

链接： http://arxiv.org/abs/2208.11294v1

摘要： 虚拟现实（VR）技术常用于娱乐应用；然而，它也被部署在我们生活中更重要的方面的实际应用中，例如安全。为了支持危险行业的工作人员，VR 可以确保操作员操纵标准化任务并协同工作以应对潜在风险。令人惊讶的是，很少有研究关注人们如何在 VR 环境中协作工作。很少有研究关注操作员在协作任务中的认知负荷。一旦任务需求变得复杂，许多研究人员就会专注于优化交互界面的设计，以减少操作者的认知负担。这种方法可能是有价值的；然而，它实际上会让操作员承受更严重的认知负担，并可能导致更多错误和协作失败。在本文中，我们提出了一种新的协作 VR 系统，支持在 VR 环境中工作的两名远程操作员远程控制无人驾驶地面车辆。我们使用比较实验来评估协作 VR 系统，重点关注任务花费的时间和操作总数。我们的结果表明，两人组的进程总数和操作期间的认知负荷显着低于单人组。我们的研究揭示了设计 VR 系统以支持远程操作员工作流程的协作工作，而不是简单地优化设计结果。

老年人的车内警觉性监测

分类： 计算机视觉和模式识别, 人机交互, I.5.4; H.5.2

作者： Heng Yao, Sanaz Motamedi, Wayne C. W. Giang, Alexandra Kondyli, Eakta Jain

发布时间： 2022-08-17

链接： http://arxiv.org/abs/2208.08091v1

摘要： 驾驶过程中的警觉性监控可提高安全性并挽救生命。基于计算机视觉的警觉性监测是一个活跃的研究领域。然而，用于警觉性监测的算法和数据集主要针对年轻人（18-50 岁）。我们提出了一种针对老年人的车内警觉性监测系统。通过设计研究，我们确定了适合老年人乘坐 5 级车辆独立出行的变量和参数。我们实施了一个原型旅行者监控系统，并对 10 名老年人（70 岁及以上）的警觉性检测算法进行了评估。我们以适合初级研究人员或从业者的详细程度报告系统设计和实施。我们的研究表明，数据集开发是开发针对老年人的警觉性监测系统的首要挑战。这项研究是针对迄今为止尚未得到充分研究的人群的首次研究，对未来通过参与式方法进行算法开发和系统设计的工作具有影响。

你在想什么？驾驶时自适应车内交互的心理和感知负荷估计框架

分类： 人机交互, 人工智能, H.5.2; H.1.2

作者： Amr Gomaa, Alexandra Alles, Elena Meiser, Lydia Helene Rupp, Marco Molz, Guillermo Reyes

发布时间： 2022-08-10

链接： http://arxiv.org/abs/2208.05564v1

摘要： 一些研究人员专注于研究驾驶员驾驶时车内交互的认知行为和心理负荷。随心理和感知负荷水平变化的自适应界面有助于减少事故并增强驾驶员体验。在本文中，我们分析了心理负荷和感知负荷对心理生理维度的影响，并提供了一个基于机器学习的框架，用于车内交互的双重任务场景中的心理和感知负荷估计（https://github.com/ amrgomaaelhady/MWL-PL-估计器）。我们使用现成的非侵入式传感器，可以轻松集成到车辆系统中。我们的统计分析表明，虽然精神负荷会影响某些心理生理维度，但知觉负荷几乎没有影响。此外，我们通过融合这些测量结果对心理和感知负荷水平进行分类，朝着根据用户行为和驾驶条件个性化的实时自适应车载界面发展。我们报告脑力负荷分类准确率高达 89%，并提供实时、侵入性最小的解决方案。

车辆类型特定航点生成

分类： 人工智能, 人机交互, 机器人技术, 系统与控制, 系统与控制

作者： Yunpeng Liu, Jonathan Wilder Lavington, Adam Scibior, Frank Wood

发布时间： 2022-08-09

链接： http://arxiv.org/abs/2208.04987v1

摘要： 我们开发了一种通用机制，用于从驾驶行为的概率基础模型生成车辆类型特定的路径点序列。许多基础行为模型都是根据不包含车辆信息的数据进行训练的，这限制了它们在规划等下游应用中的效用。我们的新颖方法通过利用用于生成车辆特定控制器的强化学习算法的副产品，有条件地将这种行为预测模型专门用于车辆类型。我们展示了如何将车辆特定价值函数估计与通用概率行为模型组合起来，以生成特定于车辆类型的航路点序列，这些航路点序列比与车辆无关的对应物更可能在物理上合理。

正确驾驶：使用虚拟现实驾驶模拟器塑造公众对自动驾驶汽车的信任、理解和偏好

分类： 人机交互

作者： Zhijie Qiao, Xiatao Sun, Helen Loeb, Rahul Mangharam

发布时间： 2022-08-05

链接： http://arxiv.org/abs/2208.02939v2

摘要： 自动驾驶汽车越来越多地进入我们的生活。然而，人们的误解和不信任已经成为这些技术使用的主要障碍。针对这一问题，必须做好工作，提高公众的理解和认知，帮助驾驶员理性评价该系统。本文提出的方法是虚拟现实驾驶模拟器，可作为自动驾驶汽车演示和教育的低成本平台。为了测试该平台的有效性，我们招募了 36 名参与者，并使用三种不同的场景进行了测试培训驾驶。结果表明，我们的模拟器成功地提高了参与者的理解，同时有利地改变了他们对自主系统的态度。驾驶学校、汽车制造商和政策制定者可以进一步探索本文提出的方法和研究结果，以改善自动驾驶汽车的培训。