解释什么?何时解释?——高度自动化车辆中解释的道路评估

自动驾驶界面与接管设计大语言模型(LLM)的人机协作可解释人工智能(XAI)自动驾驶工程师与测试员医生、护士、临床医生

自动化车辆中的解释帮助乘客了解车辆的状态和能力,从而增加对技术的信任。具体来说,对于SAE 4级和5级车辆中不参与驾驶过程的乘客,解释所提供的增强控制感可以减少潜在焦虑,使他们能够充分利用自动化的优势。为了构建在不干扰乘客的情况下增强信任和情境意识的解释,我们建议最终使用这些解释的人进行测试,理想情况下在真实驾驶条件下进行。在本研究中,我们使用配备混合现实支持的实际车辆,在自然驾驶场景中检验了各种视觉解释类型(感知、注意力、感知+注意力)和时机机制(持续提供或仅在危险场景下提供)對乘客体验的影响。我们的研究结果表明,可视化车辆的感知状态可以提高感知可用性、信任、安全性和情境意识,而不会增加认知负担,即使不解释潜在原因。我们还证明,交通风险概率可用于控制解释提供的时机,特别是在乘客信息過载时。我们的道路评估方法提供了安全可靠的测试环境,可轻松定制用于其他人工智能模型和解释模态。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/ubicomp/128418/2023

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
UbiComp
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
自动驾驶界面与接管设计、大语言模型(LLM)的人机协作、可解释人工智能(XAI)
work
职业/产业
自动驾驶工程师与测试员、医生、护士、临床医生
article
内容状态
仅摘要
hub
相关论文
2 篇相关论文