論文の概要: Impact of eHMI on Pedestrians' Interactions with Level-5 Automated Driving Systems

• arxiv url: http://arxiv.org/abs/2507.21303v1
• Date: Mon, 28 Jul 2025 19:46:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.263858
• Title: Impact of eHMI on Pedestrians' Interactions with Level-5 Automated Driving Systems
• Title（参考訳）: eHMIが歩行者のレベル5自動運転システムとのインタラクションに及ぼす影響
• Authors: Viktoria Marcus, Griffin Pitts, Sanaz Motamedi,
• Abstract要約: 世界の交通事故の半数は、脆弱な道路利用者(歩行者など)によるものであり、しばしば人的ミスによるものである。 レベル5自動運転システム(ADS)は、他の道路利用者の明快さと理解性に依存するが、歩行者事故に寄与するドライバーのエラーを減らすことができる。 歩行者とADSのコミュニケーションを促進するために,外部ヒューマンマシンインタフェース (eHMI) が提案されている。 本研究は,eHMIが歩行者のADS意識のレベル5に対する理解を著しく改善し,安全性と信頼感を高め,より直感的な歩行者とADSの相互作用を促進することを実証した。
• 参考スコア（独自算出の注目度）: 0.49157446832511503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Each year, over half of global traffic fatalities involve vulnerable road users (e.g. pedestrians), often due to human error. Level-5 automated driving systems (ADSs) could reduce driver errors contributing to pedestrian accidents, though effectiveness depends on clarity and understandability for other road users. External human-machine interfaces (eHMIs) have been proposed to facilitate pedestrian-ADS communication, though consensus on optimal eHMI features remains unclear. In an online survey, 153 participants responded to road-crossing scenarios involving level-5 ADSs, with and without eHMIs. With eHMIs, pedestrians crossed earlier and more confidently, and reported significantly increased perceptions of safety, trust, and understanding when interacting with level-5 ADSs. Visual eHMI features (including a text display and external speedometer) were ranked more necessary than auditory ones, though auditory cues received positive feedback. This study demonstrates that eHMIs can significantly improve pedestrians' understanding of level-5 ADS intent and enhance perceived safety and trust, facilitating more intuitive pedestrian-ADS interactions.
• Abstract（参考訳）: 毎年、世界の交通事故死者の半数以上が、脆弱な道路利用者(例えば歩行者)を伴っている。 レベル5自動運転システム(ADS)は、他の道路利用者の明快さと理解性に依存するが、歩行者事故に寄与するドライバーのエラーを減らすことができる。 歩行者とADSのコミュニケーションを促進するために,外部ヒューマンマシンインタフェース (eHMI) が提案されている。 オンライン調査では、153人の参加者が、レベル5のADSを含む道路横断シナリオに対して、eHMIと無関係に回答した。 eHMIでは、歩行者はより早く、より自信を持って横断し、レベル5のADSと対話する際の安全性、信頼、理解に対する認識が著しく増加した。 視覚的eHMI機能(テキストディスプレイと外部速度計を含む)は聴覚機能よりも必要とされたが、聴覚的手がかりは肯定的なフィードバックを受けた。 本研究は,eHMIが歩行者のADS意識のレベル5に対する理解を著しく改善し,安全性と信頼感を高め,より直感的な歩行者とADSの相互作用を促進することを実証した。

関連論文リスト

• Analyzing Factors Influencing Driver Willingness to Accept Advanced Driver Assistance Systems [5.242869847419834]
  本研究では,乗用車におけるADASの運転者の認識,知識源,利用パターンについて検討する。 全国調査では、米国ドライバーの多様なサンプルからデータを収集した。 発見は、社会経済的、人口統計学的、行動的要因がADAS導入に与える影響を強調している。
  論文  参考訳（メタデータ） (2025-02-23T19:01:54Z)
• Keep Calm and Relax -- HMI for Autonomous Vehicles [0.0]
  この研究は、ドライバーレス車両における信頼と感情の規制を強化するために、HMIとUIの可能性を掘り下げている。 信頼性が高く、快適で安全な乗車を可能にするため、HMIとUIが緊急時に乗客を落ち着かせるのに適しているかどうかを議論することで、この作業は締めくくられる。
  論文  参考訳（メタデータ） (2024-08-16T23:05:08Z)
• The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
  2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。 今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。 競争は15の最高パフォーマンスのソリューションで頂点に達した。
  論文  参考訳（メタデータ） (2024-05-14T17:59:57Z)
• GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior Prediction [12.613528624623514]
  本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。 JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。 このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
  論文  参考訳（メタデータ） (2023-11-24T18:02:49Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• In-Vehicle Interface Adaptation to Environment-Induced Cognitive Workload [55.41644538483948]
  車両内ヒューマンマシンインタフェース(HMI)は長年にわたって進化し、ますます多くの機能を提供している。 この問題に対処するために,ドライバの精神的負荷に応じて変化する適応的HMIを提案する。
  論文  参考訳（メタデータ） (2022-10-20T13:42:25Z)
• 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)
• Effects of Augmented-Reality-Based Assisting Interfaces on Drivers' Object-wise Situational Awareness in Highly Autonomous Vehicles [13.311257059976692]
  われわれは拡張現実(AR)に基づくユーザインタフェースに注力し、道路上の潜在的な危険を浮き彫りにする。 本研究は, 交通密度, 物体位置, 物体の種類によって, 運転者のSAに対する強調効果が変化することを示した。
  論文  参考訳（メタデータ） (2022-06-06T03:23:34Z)

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。