論文の概要: Toward Informed AV Decision-Making: Computational Model of Well-being and Trust in Mobility

• arxiv url: http://arxiv.org/abs/2505.14983v1
• Date: Wed, 21 May 2025 00:02:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.794679
• Title: Toward Informed AV Decision-Making: Computational Model of Well-being and Trust in Mobility
• Title（参考訳）: インフォームドAV意思決定に向けて-ウェルビーイングの計算モデルとモビリティの信頼-
• Authors: Zahra Zahedi, Shashank Mehrotra, Teruhisa Misu, Kumar Akash,
• Abstract要約: 動的ベイズネットワーク(DBN)の形での新しい計算モデルを提案する。 我々のモデルは、AVユーザーと対話する道路ユーザーの両方の幸福を、信頼と共に認知状態として捉えている。 本評価は,ユーザの状態を正確に予測し,人間中心のAV決定を導く上で,モデルの有効性を示すものである。
• 参考スコア（独自算出の注目度）: 4.376623639964006
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: For future human-autonomous vehicle (AV) interactions to be effective and smooth, human-aware systems that analyze and align human needs with automation decisions are essential. Achieving this requires systems that account for human cognitive states. We present a novel computational model in the form of a Dynamic Bayesian Network (DBN) that infers the cognitive states of both AV users and other road users, integrating this information into the AV's decision-making process. Specifically, our model captures the well-being of both an AV user and an interacting road user as cognitive states alongside trust. Our DBN models infer beliefs over the AV user's evolving well-being, trust, and intention states, as well as the possible well-being of other road users, based on observed interaction experiences. Using data collected from an interaction study, we refine the model parameters and empirically assess its performance. Finally, we extend our model into a causal inference model (CIM) framework for AV decision-making, enabling the AV to enhance user well-being and trust while balancing these factors with its own operational costs and the well-being of interacting road users. Our evaluation demonstrates the model's effectiveness in accurately predicting user's states and guiding informed, human-centered AV decisions.
• Abstract（参考訳）: 将来の人-自律車(AV)インタラクションは、人のニーズを自動決定で分析・調整する、効果的でスムーズな人-認識システムであることが不可欠である。 これを達成するには、人間の認知状態を説明するシステムが必要である。 本稿では,AVユーザと他の道路ユーザの認知状態を推定する動的ベイズネットワーク(DBN)の形式で,この情報をAVの意思決定プロセスに統合する新しい計算モデルを提案する。 具体的には、当社のモデルは、AVユーザと対話する道路ユーザの両方の幸福を、信頼とともに認知状態として捉えている。 私たちのDBNモデルは、観察されたインタラクション経験に基づいて、AVユーザの健康状態、信頼状態、意図状態、および他の道路ユーザの健康状態に関する信念を推測します。 インタラクションスタディから収集したデータを用いて、モデルパラメータを洗練し、その性能を実証的に評価する。 最後に、当社のモデルをAV意思決定のための因果推論モデル(CIM)フレームワークに拡張し、AVがユーザの幸福と信頼を高めると同時に、これらの要因を自身の運用コストと相互作用する道路ユーザの幸福とをバランスさせることを可能にします。 本評価は,ユーザの状態を正確に予測し,人間中心のAV決定を導く上で,モデルの有効性を示すものである。

関連論文リスト

• Confidence-Regulated Generative Diffusion Models for Reliable AI Agent Migration in Vehicular Metaverses [55.70043755630583]
  車両用AIエージェントには、環境認識、意思決定、行動実行能力が与えられている。 本稿では、信頼性の高い車両用AIエージェントマイグレーションフレームワークを提案し、信頼性の高い動的マイグレーションと効率的なリソーススケジューリングを実現する。 我々は,AIエージェントのマイグレーション決定を効率的に生成する信頼性制御型生成拡散モデル(CGDM)を開発した。
  論文  参考訳（メタデータ） (2025-05-19T05:04:48Z)
• Uncertainty Aware Human-machine Collaboration in Camouflaged Object Detection [12.2304109417748]
  信頼できるCODシステムの開発に向けた重要なステップは、不確実性の推定と有効利用である。 本研究では,カモフラージュされた物体の存在を分類するための人間と機械の協調フレームワークを提案する。 提案手法は,CVモデル予測の不確実性を推定するための多視点バックボーンを導入し,この不確実性を利用して効率を向上し,信頼性の低いケースを人体評価に適用する。
  論文  参考訳（メタデータ） (2025-02-12T13:05:24Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• 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)
• JAB: Joint Adversarial Prompting and Belief Augmentation [81.39548637776365]
  我々は,ブラックボックスターゲットモデルの強靭性を,敵対的プロンプトと信念の増大を通じて探索し,改善する共同枠組みを導入する。 このフレームワークは、自動的なレッド・チームリング手法を用いてターゲットモデルを探索し、信念強化器を用いて目標モデルの命令を生成し、敵のプローブに対するロバスト性を向上させる。
  論文  参考訳（メタデータ） (2023-11-16T00:35:54Z)
• Evolving Testing Scenario Generation Method and Intelligence Evaluation Framework for Automated Vehicles [12.670180834651912]
  本稿では、深部強化学習(DRL)を利用して、自動車両(AV)のテストおよびインテリジェンス評価のための人間のようなBVを作成する進化シナリオ生成手法を提案する。 その結果,提案シナリオは,他のベースラインシナリオと比較して高い複雑性を示し,自然主義駆動データと85%以上類似していることがわかった。
  論文  参考訳（メタデータ） (2023-06-12T14:26:12Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• Disengagement Cause-and-Effect Relationships Extraction Using an NLP Pipeline [14.708195642446716]
  カリフォルニア州自動車局(CA DMV)は自動運転車テストプログラムを開始した。 このプログラムは、自律走行から自律走行(AVD)に関するレポートを収集し、リリースする。 本研究は,事前学習モデルを用いた深層移動学習の実践として成功し,統合された解離データベースを生成する。
  論文  参考訳（メタデータ） (2021-11-05T14:00:59Z)
• Reliability Analysis of Artificial Intelligence Systems Using Recurrent Events Data from Autonomous Vehicles [2.7515565752659645]
  我々は、自動運転車におけるAIシステムの信頼性の表現として、リカレントな切り離しイベントを使用している。 イベント・プロセスを記述するために,モノトニック・スプラインに基づく新しい非パラメトリック・モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-02T20:25:23Z)
• Building Trust in Autonomous Vehicles: Role of Virtual Reality Driving Simulators in HMI Design [8.39368916644651]
  本研究では,生理的信号から収集した連続的客観的情報に基づいて,AVのユーザエクスペリエンスを検証する手法を提案する。 本手法を車両の感覚・計画システムに関する視覚的手がかりを提供するヘッドアップディスプレイインタフェースの設計に適用した。
  論文  参考訳（メタデータ） (2020-07-27T08:42:07Z)

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。