論文の概要: Analyze Drivers' Intervention Behavior During Autonomous Driving -- A
VR-incorporated Approach
- arxiv url: http://arxiv.org/abs/2312.01669v1
- Date: Mon, 4 Dec 2023 06:36:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 15:58:00.656850
- Title: Analyze Drivers' Intervention Behavior During Autonomous Driving -- A
VR-incorporated Approach
- Title（参考訳）: 自律運転におけるドライバーの介入行動の分析--vrによるアプローチ
- Authors: Zheng Xu
- Abstract要約: この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。
仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。
介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
- 参考スコア（独自算出の注目度）: 2.7532019227694344
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Given the rapid advance in ITS technologies, future mobility is pointing to
vehicular autonomy. However, there is still a long way before full automation,
and human intervention is required. This work sheds light on understanding
human drivers' intervention behavior involved in the operation of autonomous
vehicles (AVs) and utilizes this knowledge to improve the perception of
critical driving scenarios. Experiment environments were implemented where the
virtual reality (VR) and traffic micro-simulation are integrated, and tests
were carried out under typical and diverse traffic scenes. Performance
indicators such as the probability of intervention, accident rates are defined
and used to quantify and compare the risk levels. By offering novel insights
into drivers' intervention behavior, this work will help improve the
performances of the automated control under similar scenarios. Furthermore,
such an integrated and immersive tool for autonomous driving studies will be
valuable for research on human-to-automation trust. To the best knowledge of
the authors, this work is among the pioneer works making efforts into such
types of tools.
- Abstract（参考訳）: IT技術の急速な進歩を考えると、将来のモビリティは車両の自律性を指している。
しかしながら、完全な自動化には長い道のりがあり、人間の介入が必要です。
この研究は、自動運転車(AV)の運転に関わる人間の運転者の介入行動の理解に光を当て、この知識を利用して重要な運転シナリオの認識を改善する。
バーチャルリアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装され、典型的な多様な交通シーン下でテストが行われた。
介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
ドライバーの介入行動に関する新たな洞察を提供することで、同様のシナリオで自動制御の性能を向上させることができる。
さらに、自動運転研究のための統合的で没入的なツールが、人間対自動化信頼の研究に有用である。
著者たちの知る限りでは、この種のツールに力を注いでいる先駆的な作品の一つである。
関連論文リスト
- Behavioural gap assessment of human-vehicle interaction in real and virtual reality-based scenarios in autonomous driving [7.588679613436823]
我々は,VR実験に携わる参加者の行動の相違を,等価な実世界の状況と比較して捉える概念である行動ギャップ(obactiveal gap)と呼ぶものを評価するための,最初の,革新的なアプローチを提案する。
実験では、歩行者は異なる運転スタイルと外部ヒューマン・マシン・インタフェース(eHMI)の存在下で道路を横断しようとする。
結果は、参加者がVRに対してより慎重で好奇心を持ち、そのスピードと判断に影響を与え、VRインターフェースが行動に大きく影響していることを示している。
論文 参考訳（メタデータ） (2024-07-04T17:20:17Z) - 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) - Incorporating Explanations into Human-Machine Interfaces for Trust and Situation Awareness in Autonomous Vehicles [4.1636282808157254]
自動車の自律性に対する信頼構築において、説明可能なAIとヒューマン・マシン・インタフェースが共に果たす役割について検討する。
自動運転行動に対するユーザの信頼度を調整するための状況認識フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-10T23:02:13Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Social Interaction-Aware Dynamical Models and Decision Making for
Autonomous Vehicles [20.123965317836106]
IAAD(Interaction-Aware Autonomous Driving)は、急速に成長する研究分野である。
それは、人間の道路利用者と安全かつ効率的に対話できる自動運転車の開発に焦点を当てている。
これは、自動運転車が人間の道路利用者の行動を理解し予測できることを要求するため、困難な作業である。
論文 参考訳（メタデータ） (2023-10-29T03:43:50Z) - 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) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
非客観的運転経験はモデル化が難しい。
本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。
インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
論文 参考訳（メタデータ） (2022-12-05T08:25:09Z) - Exploring the trade off between human driving imitation and safety for
traffic simulation [0.34410212782758043]
運転方針の学習において,人間の運転の模倣と安全維持との間にはトレードオフが存在することを示す。
両目的を協調的に改善する多目的学習アルゴリズム(MOPPO)を提案する。
論文 参考訳（メタデータ） (2022-08-09T14:30:19Z) - 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) - Drivers' Manoeuvre Modelling and Prediction for Safe HRI [0.0]
心の理論は、ロボット工学や、最近は自律車や半自律車のために広く研究されている。
本研究では、人間の動き、車の状態、人間の入力からのデータを組み合わせることで、行動の前に人間の意図を予測する方法について検討した。
論文 参考訳（メタデータ） (2021-06-03T10:07:55Z) - Improving Robustness of Learning-based Autonomous Steering Using
Adversarial Images [58.287120077778205]
自動運転用画像入力における学習アルゴリズムw.r.tの堅牢性を解析するためのフレームワークについて紹介する。
感度分析の結果を用いて, 「操縦への学習」 タスクの総合的性能を向上させるアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-26T02:08:07Z)
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。