语义分割可视化对高度自动驾驶车辆中信任、情境意识和认知负荷的影响

文献标题

Effects of Semantic Segmentation Visualization on Trust, Situation Awareness, and Cognitive Load in Highly Automated Vehicles

文献信息

• 主题领域: 人机交互、自动驾驶技术
• 关键词: 自动驾驶车辆、语义分割、增强现实、信任校准、认知负荷、情境意识、用户体验

研究背景与问题

• 发现问题与挑战:

  • 用户对自动驾驶车辆的信任问题：信任的不足或过多会影响技术的使用和安全性。
  • 自动驾驶技术中的检测能力被外界用户难以感知。
  • 当前的驾驶辅助系统可能导致用户在突发情况下的反应不足。

• 问题重要性:

  • 自动驾驶技术的发展能够极大改变交通模式，包括提升安全性、提高出行便利性以及帮助特殊群体（如老年人和残疾人）。
  • 用户是否接受和信任技术是成功推广的关键。

• 研究动机与相关工作:

  • 语义分割信息的视觉化可以帮助用户感知自动驾驶车辆的检测能力，从而校准用户的信任。
  • 增强现实技术展示汽车对环境的理解，使得用户在突发接管任务中具有更高的情境意识。

解决方案

• 提出的方法或解决方案:

  • 开发两种语义分割的视觉化技术：基于增强现实 (AR) 和基于平板电脑的展示。
  • 分别探索动态物体和动态+静态物体的检测视觉化效果。

• 创新之处:

  • 提出利用语义分割视觉化直接表达自动驾驶车辆的检测能力及其不确定性，而非强调其检测的准确性。
  • 将多种动态与静态物体通过不同颜色编码，在不同视图（例如前挡风玻璃和侧窗）进行视觉化展示。
  • 研究技术对用户信任、情境意识和认知负荷影响的实验设计和具体指标测量方法。

• 实施步骤与技术细节:

  1. 通过Unity模拟环境进行预实验，设计了动态和动态+静态显示的五种条件。
  2. 通过真实世界复杂交通环境视频进行进一步实验，应用基于先进语义分割模型Panoptic-Deeplab。
  3. 测试指标包括信任评估、认知负荷测试、情境意识评分及用户对系统感知能力的评价。

研究成果

• 具体成果:

  • AR展示显著提升了用户的情境意识，并且在动态与静态对象视觉化的情境下表现最佳。
  • 两项实验揭示视觉化方案可以有效校准用户对车辆检测能力的信任，但不会对信任过度提高。

• 与现有解决方案相比的优势:

  • 提供了相比抽象表现更加具体与视觉化的信息，帮助用户更直接地评估车辆的检测能力。
  • 增强现实方式被认为是自动驾驶车辆信息传达的最终目标，减少用户认知负荷并提升体验友好度。

• 实验或评估结果:

  • 在基于模拟环境的研究中，AR系统降低了认知负荷，提升了情境意识与用户信任。
  • 在基于真实世界视频的研究中，尽管信任提高幅度有限，但用户对AR视觉化的系统能力评价显著高于未显示语义分割信息的系统。
  • 对动态对象的检测评分提升较大，对静态对象的检测能力几乎与动态对象相当。

• 局限性与未来方向:

  • 实验样本主要集中在年轻群体，需在未来研究中引入更多年龄群体。
  • 真实视频实验中由于视角差异和技术限制（摄像头位置不同），结果的外部效度可能有所影响。
  • 建议未来研究探索更复杂场景下的意图识别以及连接汽车间驾驶信息的视觉化方法。