論文の概要: Characterizing Driver Interactions with Autonomous Vehicles via Response Maps

• arxiv url: http://arxiv.org/abs/2606.27656v1
• Date: Fri, 26 Jun 2026 02:25:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.352393
• Title: Characterizing Driver Interactions with Autonomous Vehicles via Response Maps
• Title（参考訳）: レスポンシブマップによる自動運転車とのドライバインタラクションの特徴付け
• Abstract要約: 我々は、自動運転車(AV)との相互作用における人間の運転応答を、人間駆動車とAVの結合状態空間に対するフィードバック法則として特徴づける。 以上の結果から, 1) 人間の運転加速行動は, 応答マップを用いて捉えることができ, 2) 人間の運転者反応は, 収量, 非収量, 応答性において, 顕著に異なることが示唆された。
• 参考スコア（独自算出の注目度）: 18.815691623936715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding human responses to autonomous vehicle (AV) behaviors is essential for socially aware interaction, which is crucial for socially compatible navigation in shared traffic environments. We characterize human driving responses in interactions with AVs as feedback laws over the coupled state space of the human driven vehicle and the AV. We model the human driver's actions using a response map, a concept based in game theory, and employ a linear representation to capture driver behaviors as a function of AV behaviors, based on empirical data from a driving simulator study. Our results show that 1) human driver acceleration behavior can be captured using response maps, and 2) human driver responses differ significantly with respect to AV behaviors of yielding, non-yielding, and responsive to the human driver.
• Abstract（参考訳）: 自律走行車(AV)行動に対する人間の反応を理解することは、社会的に認識される相互作用に不可欠であり、共有交通環境における社会的に互換性のあるナビゲーションに不可欠である。 AVと相互作用する人間の運転応答を、人間駆動車とAVの結合状態空間上のフィードバック法則として特徴づける。 本研究では,ゲーム理論に基づく概念である応答マップを用いて人間の運転行動をモデル化し,運転シミュレータ実験から得られた経験的データに基づいて,運転動作をAV行動の関数として捉えた線形表現を用いる。 私たちの結果は 1)人間運転者の加速行動は応答マップを用いて捉えることができ、 2) 人間のドライバーの反応は, 収量, 非収量, および運転者に対する応答のAV行動に大きく異なる。

関連論文リスト

• ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving [56.96697737229895]
  リアクティブ能力は、自律運転シミュレーションシステムのためのデータ駆動行動世界モデルシミュレータの重要な特性である。 本稿では,自律運転における行動世界モデルシミュレーションの反応性を評価するためのReactSim-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-06-12T03:11:06Z)
• Characterizing Human Feedback-Based Control in Naturalistic Driving Interactions via Gaussian Process Regression with Linear Feedback [8.773443178617535]
  我々は,運転シミュレータにおいて,運転者が符号のない交差点をナビゲートする際に使用するポリシーに対するドライバのインタラクションの影響を考察する。 シミュレータは、制御された環境における自然主義的な意思決定と行動データの収集を可能にする。 ガウス過程回帰法を用いて学習した状態に基づくフィードバックコントローラとして,人間の運転応答をモデル化する。
  論文  参考訳（メタデータ） (2025-12-09T20:21:22Z)
• Interaction-Aware Decision-Making for Autonomous Vehicles in Forced Merging Scenario Leveraging Social Psychology Factors [7.812717451846781]
  インタラクションドライバの社会的行動と個人的目的の両方を取り入れた行動モデルを考える。 我々は、他のドライバーの意図をオンラインで見積もる、後退する水平制御に基づく意思決定戦略を開発する。
  論文  参考訳（メタデータ） (2023-09-25T19:49:14Z)
• 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)
• Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction [39.48631437946568]
  本稿では,他のドライバの動作から不確実性が生ずる移動トラフィックにマージする複雑なタスクに焦点を当てる。 我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、モンテカルロ木探索でオンラインに解決する。 POMDPの解決策は、接近する車に道を譲る、前方の車から安全な距離を維持する、あるいは交通に合流するといった、高いレベルの運転操作を行う政策である。
  論文  参考訳（メタデータ） (2023-03-29T16:12:45Z)
• 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)
• 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)
• Grounded Relational Inference: Domain Knowledge Driven Explainable Autonomous Driving [47.22329993674051]
  我々は、人間のドメイン知識とモデル固有の因果関係の両方に整合した説明を生成する説明可能なモデルを開発することを目的とする。 特に、自律運転における重要なビルディングブロック、マルチエージェントインタラクションモデリングに焦点を当てる。 シミュレーションと実環境設定の両方で対話的な交通シナリオをモデル化できることを実証する。
  論文  参考訳（メタデータ） (2021-02-23T19:34:32Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• 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)

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。