自动化透明度为用户校准对自动驾驶车辆的信任提供了一种有前景的方法。然而,在不同风险的驾驶场景中应提供何种信息,以及这如何影响用户信任,仍然未知。我们开发了基于不同风险程度的驾驶场景和基于态势感知智能体透明度(SAT)模型的不同透明度人机界面(HMI),以研究风险和透明度对用户信任的影响,在静态驾驶模拟器环境中进行了九次完全自动驾驶模拟驾驶。结果显示,较低风险的驾驶场景和较高透明度的 HMI 增加了用户信任相关信念和使用意愿。感知可靠性和信任完全中介了风险和透明度对使用意愿的影响。这项研究提供了关于可能影响用户信任的不同驾驶场景下 HMI 透明度的见解。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 80%
通过先验偏好学习实现高效的视觉外观优化
UIST '25· 可解释人工智能(XAI) +1
- 67%
质疑人工智能:为可解释人工智能用户体验的设计实践提供信息
CHI '20· 可解释人工智能(XAI) +1
- 67%
解释你自己!自动驾驶中实现积极用户体验的透明度
CHI '21· 自动驾驶界面与接管设计 +2
- 67%
如何使用可解释性方法来支持计算机视觉模型中的错误识别?
CHI '22· 可解释人工智能(XAI) +1
- 67%
芝诺:用于机器学习行为评估的交互式框架
CHI '23· 可解释人工智能(XAI) +1
- 67%
MIWA:用于增强用户控制与信心的混合式Web自动化
UIST '23· 可解释人工智能(XAI) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
AutoUI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
可解释人工智能(XAI)、AI 辅助决策与自动化系统
work
职业/产业
自动驾驶工程师与测试员、软件工程师与开发者、UI/UX 设计师
article
内容状态
仅摘要
hub
相关论文
6 篇相关论文