TimelyTale:一种评估自动驾驶车辆乘客解释需求的多模态数据集方法
作者
自动驾驶界面与接管设计可解释人工智能(XAI)自动驾驶工程师与测试员
该研究提出TimelyTale方法,构建多模态数据集以评估高度自动化车辆中乘客对系统解释的需求。通过收集和分析乘客在自动驾驶过程中的行为数据、语音反馈等多模态信息,为提升人机交互体验提供数据支持。
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。
help
研究问题
3- 乘客在高度自动驾驶车辆中对行为解释的需求有哪些特点?分类: 驾驶支持与安全决策同类问题arrow_forward
- 如何预测上下文中乘客对解释的需求时机?分类: 驾驶支持与安全决策同类问题arrow_forward
- 多模态(环境、驾驶、乘客状态)数据如何增强对解释需求的理解和建模?分类: 驾驶支持与安全决策同类问题arrow_forward
lightbulb
现实痛点
1- 乘客在自动驾驶车辆中不理解车辆行为,难以信任。分类: 驾驶支持与安全决策同类问题arrow_forward
- 100%
不确定轨迹预测可视化对高度自动驾驶汽车信任度、态势感知和认知负荷的影响
UbiComp '24· 自动驾驶界面与接管设计 +1
- 75%
何时需要解释:真实自动驾驶场景下用户对解释需求建模
CHI '26· 可解释人工智能(XAI) +1
- 67%
感受运动:真实动作影响高度自动化车辆中接管请求的响应
CHI '18· 自动驾驶界面与接管设计
- 67%
周围景观复杂度对高度自动驾驶中控制权转移时间的影响
IUI '21· 自动驾驶界面与接管设计
- 67%
为什么要关闭自动驾驶仪?
AutoUI '18· 自动驾驶界面与接管设计
- 67%
面向最大化自动化驾驶使用的退出选择权限策略研究
AutoUI '19· 自动驾驶界面与接管设计
- 67%
人们如何体验自动驾驶路口:第一人称视角
AutoUI '19· 自动驾驶界面与接管设计
- 67%
用于自动驾驶中用户-车辆过渡管理的新型人机界面
AutoUI '19· 自动驾驶界面与接管设计
- 67%
从SAE等级到协作式任务分配:一种处理系统限制的高效可用方法?
AutoUI '21· 自动驾驶界面与接管设计
- 67%
ORIAS:高度自动化车辆的即时光标识别与动作选择系统
AutoUI '21· 自动驾驶界面与接管设计
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
UbiComp
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
自动驾驶界面与接管设计、可解释人工智能(XAI)
work
职业/产业
自动驾驶工程师与测试员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文