論文の概要: Examining the Effects of Emotional Valence and Arousal on Takeover
Performance in Conditionally Automated Driving
- arxiv url: http://arxiv.org/abs/2001.04509v1
- Date: Mon, 13 Jan 2020 19:28:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 23:41:23.348034
- Title: Examining the Effects of Emotional Valence and Arousal on Takeover
Performance in Conditionally Automated Driving
- Title（参考訳）: 条件付き自動走行における感情的ヴァレンスと覚醒が乗っ取り性能に及ぼす影響の検討
- Authors: Na Du, Feng Zhou, Elizabeth Pulver, Dawn M. Tilbury, Lionel P. Robert,
Anuj K. Pradhan, X. Jessie Yang
- Abstract要約: 条件付き自動運転では、運転者が運転レベルから切り離されていくにつれて、乗換遷移が困難になる。
本研究では,条件付き自動運転における情動価と覚醒がドライバーの乗っ取り時間と品質に及ぼす影響について検討した。
- 参考スコア（独自算出の注目度）: 14.987259704464119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In conditionally automated driving, drivers have difficulty in takeover
transitions as they become increasingly decoupled from the operational level of
driving. Factors influencing takeover performance, such as takeover lead time
and the engagement of non-driving related tasks, have been studied in the past.
However, despite the important role emotions play in human-machine interaction
and in manual driving, little is known about how emotions influence drivers
takeover performance. This study, therefore, examined the effects of emotional
valence and arousal on drivers takeover timeliness and quality in conditionally
automated driving. We conducted a driving simulation experiment with 32
participants. Movie clips were played for emotion induction. Participants with
different levels of emotional valence and arousal were required to take over
control from automated driving, and their takeover time and quality were
analyzed. Results indicate that positive valence led to better takeover quality
in the form of a smaller maximum resulting acceleration and a smaller maximum
resulting jerk. However, high arousal did not yield an advantage in takeover
time. This study contributes to the literature by demonstrating how emotional
valence and arousal affect takeover performance. The benefits of positive
emotions carry over from manual driving to conditionally automated driving
while the benefits of arousal do not.
- Abstract（参考訳）: 条件付き自動運転では、運転者が運転レベルから切り離されていくにつれて、乗換遷移が困難になる。
テイクオーバのリードタイムや非運転関連タスクの関与など、テイクオーバのパフォーマンスに影響する要因を過去に研究してきた。
しかしながら、感情が人間と機械の相互作用や手動運転で果たす重要な役割にもかかわらず、感情がドライバーの乗っ取りパフォーマンスにどのように影響するかはほとんど分かっていない。
そこで本研究では,条件付き自動走行におけるドライバーの乗っ取り時間と品質に及ぼす感情的ヴァレンスと覚醒の影響について検討した。
32名を対象に運転シミュレーション実験を行った。
映画のクリップは感情誘導のために再生された。
自動走行から制御を乗っ取るためには,感情価と覚醒のレベルが異なる参加者が必要であり,その乗っ取り時間と品質を分析した。
その結果, 正価は, より小さい最大加速度, より小さい最大速度の形で, より優れた乗っ取り品質をもたらすことがわかった。
しかし、高い覚醒は乗っ取り時間では有利ではなかった。
本研究は,感情的ヴァレンスと覚醒が乗っ取りパフォーマンスにどのように影響するかを示すことにより,文献に寄与する。
ポジティブな感情の利点は、手動運転から条件付き自動運転まで続くが、覚醒の利点はそうではない。
関連論文リスト
- Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - The Importance of Multimodal Emotion Conditioning and Affect Consistency
for Embodied Conversational Agents [12.102955731466457]
本研究では、一貫した運転影響を条件としたマルチモーダル行動を生成することにより、感情の知覚を高めることを目的とした概念的枠組みを提案する。
我々の統計的分析は、モダリティが不整合であることは運転への影響の知覚を著しく減少させることを示している。
論文 参考訳（メタデータ） (2023-09-26T23:41:56Z) - Large Language Models Understand and Can be Enhanced by Emotional
Stimuli [53.53886609012119]
我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。
実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。
EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2023-07-14T00:57:12Z) - Motion Comfort Optimization for Autonomous Vehicles: Concepts, Methods,
and Techniques [36.967824818813746]
本稿では、人間の快適性の観点から、自律運転と関連する補完的枠組みのアーキテクチャを概説する。
同時に、本論文では、自動運転の構造と自動運転の反応時間に関する技術を紹介する。
論文 参考訳（メタデータ） (2023-06-15T19:32:04Z) - Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。
新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。
エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
論文 参考訳（メタデータ） (2023-04-23T16:01:36Z) - What's on your mind? A Mental and Perceptual Load Estimation Framework
towards Adaptive In-vehicle Interaction while Driving [55.41644538483948]
精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。
これらの測定値の融合により、心的および知覚的負荷レベルを分類する。
我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
論文 参考訳（メタデータ） (2022-08-10T21:19:49Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - An active approach towards monitoring and enhancing drivers'
capabilities -- the ADAM cogtec solution [1.0312968200748118]
特定の瞬間における運転者の認知能力は、運転者の安全性を評価する上で最も明白な変数である。
視覚刺激に対するドライバーの眼反応が記録された閉ループ法を開発した。
機械学習アルゴリズムは、警戒状態の眼反応に基づいて訓練され、疲労や物質乱用による能力低下を検出することができた。
論文 参考訳（メタデータ） (2022-04-05T07:46:07Z) - Audiovisual Affect Assessment and Autonomous Automobiles: Applications [0.0]
このコントリビューションは、課題を予測し、ロードコンテキスト上のマルチモーダルな"オーディオプラスx"におけるモデリングに影響を与える潜在的な方法を提供することを目的としています。
技術的には、乗用車内の個人を全面的にモデル化し、信頼性の高いダイアリゼーションを行う。
結論として、自動感情分析は、最初に選択されたユースケースにおける自動運転車の適用可能性の点まで成熟した。
論文 参考訳（メタデータ） (2022-03-14T20:39:02Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳（メタデータ） (2020-07-10T22:25:27Z) - A Spontaneous Driver Emotion Facial Expression (DEFE) Dataset for
Intelligent Vehicles [13.877751298110148]
本稿では,運転者の自発的感情分析のための新たなデータセットであるドライバ感情表情(DEFE)データセットを提案する。
データセットには、運転中の60人の参加者による表情記録が含まれている。
私たちの知る限りでは、これは現在、唯一の公開ドライバーの表情データセットである。
論文 参考訳（メタデータ） (2020-04-26T07:15:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。