論文の概要: Lessons in Cooperation: A Qualitative Analysis of Driver Sentiments towards Real-Time Advisory Systems from a Driving Simulator User Study
- arxiv url: http://arxiv.org/abs/2407.13775v1
- Date: Sat, 29 Jun 2024 23:21:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-28 18:48:53.838011
- Title: Lessons in Cooperation: A Qualitative Analysis of Driver Sentiments towards Real-Time Advisory Systems from a Driving Simulator User Study
- Title（参考訳）: 協調の教訓:運転シミュレータによるリアルタイム諮問システムに対する運転感の質的分析
- Authors: Aamir Hasan, Neeloy Chakraborty, Haonan Chen, Cathy Wu, Katherine Driggs-Campbell,
- Abstract要約: 我々は,運転シミュレーター(N=16)を用いて,協調RTAシステムに対する運転者の反応を捉える。
我々は,運転者のアドバイザリシステムに対する感情を質的に分析し,インタラクションのさまざまな側面に対する運転者の嗜好について議論する。
我々は、アドバイスがどのようにコミュニケーションされるべきか、アドバイスがドライバーの信頼に与える影響、そしてドライバーがシステムにどのように適応するかについてコメントする。
- 参考スコア（独自算出の注目度）: 12.010221998198423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time Advisory (RTA) systems, such as navigational and eco-driving assistants, are becoming increasingly ubiquitous in vehicles due to their benefits for users and society. Until autonomous vehicles mature, such advisory systems will continue to expand their ability to cooperate with drivers, enabling safer and more eco-friendly driving practices while improving user experience. However, the interactions between these systems and drivers have not been studied extensively. To this end, we conduct a driving simulator study (N=16) to capture driver reactions to a Cooperative RTA system. Through a case study with a congestion mitigation assistant, we qualitatively analyze the sentiments of drivers towards advisory systems and discuss driver preferences for various aspects of the interaction. We comment on how the advice should be communicated, the effects of the advice on driver trust, and how drivers adapt to the system. We present recommendations to inform the future design of Cooperative RTA systems.
- Abstract（参考訳）: リアルタイムアドバイザリー(RTA)システム、例えばナビゲーションやエコドライブアシスタントは、ユーザーや社会に利益をもたらすため、車内でますます普及している。
自動運転車が成熟するまで、このようなアドバイザリシステムはドライバーと協力し、より安全でエコフレンドリーな運転のプラクティスを可能にし、ユーザー体験を改善していく。
しかし、これらのシステムとドライバ間の相互作用は広く研究されていない。
この目的のために、運転シミュレーター(N=16)を用いて、協調RTAシステムに対する運転者の反応を捉える。
渋滞軽減アシスタントを用いたケーススタディを通じて,アドバイザリシステムに対するドライバの感情を質的に分析し,インタラクションのさまざまな側面についてドライバの嗜好について議論する。
我々は、アドバイスがどのようにコミュニケーションされるべきか、アドバイスがドライバーの信頼に与える影響、そしてドライバーがシステムにどのように適応するかについてコメントする。
本稿では,協調RTAシステムの今後の設計について報告する。
関連論文リスト
- Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Cooperative Advisory Residual Policies for Congestion Mitigation [11.33450610735004]
我々は協調的な諮問システムに利用できる学習済みの残留政策のクラスを開発する。
当社のポリシーは、多様なドライバーの振る舞いを考慮に入れながら、交通渋滞を軽減する方法でドライバーに振る舞うことを推奨している。
我々のアプローチは、異なるドライバーの行動に適応しながら、渋滞を軽減することに成功しました。
論文 参考訳（メタデータ） (2024-06-30T01:10:13Z) - 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) - Beyond Voice Assistants: Exploring Advantages and Risks of an In-Car
Social Robot in Real Driving Scenarios [9.297163816243282]
ソーシャルロボットの存在は、実際の運転シナリオにおけるユーザエクスペリエンスにどのように影響しますか?
本研究は,車内VAの視点と運転体験への影響を理解するために,利用者調査から始まった。
次に、RAを用いてユーザエクスペリエンスを評価するために、選択した参加者と非自動運転およびオンロード実験を行う。
論文 参考訳（メタデータ） (2024-02-19T05:44:00Z) - PeRP: Personalized Residual Policies For Congestion Mitigation Through
Co-operative Advisory Systems [12.010221998198423]
Piecewise Constant (PC) Policiesは、交通渋滞を軽減するために、人間の運転の類似性を構造的にモデル化することで問題に対処する。
我々はPersonalized Residual Policy, PeRPを用いたPCポリシに基づく協調アドバイザリシステムの開発を行った。
提案手法は,運転者の行動に適応しながら,渋滞を軽減し,ベースラインよりも平均速度が4～22%向上したことを示す。
論文 参考訳（メタデータ） (2023-08-01T22:25:40Z) - Considering Human Factors in Risk Maps for Robust and Foresighted Driver
Warning [1.4699455652461728]
本稿では,ドライバーエラーの形で人間の状態を利用する警告システムを提案する。
このシステムは、周囲の運転状況の予測を直接変更する行動プランナーのリスクマップで構成されている。
動的車線変化と交差点シナリオの異なるシミュレーションでは、運転者の行動計画がいかに危険になるかを示す。
論文 参考訳（メタデータ） (2023-06-06T16:39:58Z) - 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) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - Human-Vehicle Cooperative Visual Perception for Shared Autonomous
Driving [9.537146822132904]
本稿では、共有自動運転の視覚知覚能力を高めるために、人車協調視覚認識法を提案する。
移動学習に基づいて、物体検出のmAPは75.52%に達し、視覚融合の基礎となる。
本研究は、実世界の複雑な交通紛争シナリオにおける共有自動運転と実験のための協調的視覚知覚ソリューションの先駆者である。
論文 参考訳（メタデータ） (2021-12-17T03:17:05Z) - Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。
提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文 参考訳（メタデータ） (2020-01-03T11:16:41Z)
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。