专栏首页arxiv.org翻译专栏研究情商和觉醒对有条件自动驾驶中接管表现的影响(cs AI)
原创

研究情商和觉醒对有条件自动驾驶中接管表现的影响(cs AI)

在有条件的自动驾驶中,随着驾驶员与驾驶操作水平越来越脱节,驾驶员很难进行接管过渡。过去已经研究了影响接管表现的因素,例如接管准备时间和参与非驾驶相关任务。但是,尽管情绪在人机交互和手动驾驶中起着重要作用,但人们对情绪如何影响驾驶员的接管表现知之甚少。因此,本研究检验了有条件的自动驾驶中,情绪效价和觉醒对驾驶员接管及时性和质量的影响。我们进行了32人参加的驾驶模拟实验。在实验中我们播放影片剪辑以诱发情绪,要求具有不同情感价格和唤醒水平的参与者接管自动驾驶的控制权,并分析他们的接管时间和质量。结果表明,正效价可以产生较小的最大加速度和较小的最大颠簸,从而提高接管质量。然而,高唤醒并没有产生接管时间的优势。本研究通过论证情感效价和激励如何影响接管绩效,为文献研究做出了贡献。积极情绪的好处从手动驾驶转移到有条件的自动驾驶,而唤醒的好处并没有被发现。

原文题目:Examining the Effects of Emotional Valence and Arousal on Takeover Performance in Conditionally Automated Driving

原文:In conditionally automated driving, drivers have difficulty in takeover transitions as they become increasingly decoupled from the operational level of driving. Factors influencing takeover performance, such as takeover lead time and the engagement of non-driving related tasks, have been studied in the past. However, despite the important role emotions play in human-machine interaction and in manual driving, little is known about how emotions influence drivers takeover performance. This study, therefore, examined the effects of emotional valence and arousal on drivers takeover timeliness and quality in conditionally automated driving. We conducted a driving simulation experiment with 32 participants. Movie clips were played for emotion induction. Participants with different levels of emotional valence and arousal were required to take over control from automated driving, and their takeover time and quality were analyzed. Results indicate that positive valence led to better takeover quality in the form of a smaller maximum resulting acceleration and a smaller maximum resulting jerk. However, high arousal did not yield an advantage in takeover time. This study contributes to the literature by demonstrating how emotional valence and arousal affect takeover performance. The benefits of positive emotions carry over from manual driving to conditionally automated driving while the benefits of arousal do not.

原文作者:Na Du,Feng Zhou,Elizabeth Pulver,Dawn M. Tilbury,Lionel P. Robert,Anuj K. Pradhan,X. Jessie Yang

原文地址:https://arxiv.org/abs/2001.04509

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • VisionNet:用于自主驾驶的基于驱动空间的交互式运动预测网络(CS cv)

    对环境交通状况的理解在很大程度上确保了自动驾驶汽车的行驶安全。近几年,为了实现该目标而进行了大量研究调查,但由于在复杂的场景中受到集体影响的限制,这个问题很难得...

    DANDAN用户6837186
  • 桥接知识图以生成场景图(cs CV)

    场景图是强大的表示形式,可将图像编码为抽象的语义元素(即对象及其相互作用),从而有助于视觉理解和可解释的推理。另一方面,常识知识图是丰富的存储库,可编码世界的结...

    DANDAN用户6837186
  • 建模和解决多模式汽车和共乘问题(cs AI)

    本文介绍了多模式汽车和乘车共享问题(MMCRP),其中,汽车库里的汽车用于满足一组乘车请求,而未发现的请求将分配给其他运输方式(MOT)。汽车的路线包含一个或多...

    DANDAN用户6837186
  • Line Counter - Writing a Visual Studio 2005 Add-In

    Download original source files - 553 Kb Download new source files - 1483 Kb Do...

    张善友
  • scrapy架构初探

    URL谁来准备呢?看样子是Spider自己来准备,那么可以猜测Scrapy架构部分(不包括Spider)主要做事件调度,不管网址的存储。看起来类似GooS...

    爱撒谎的男孩
  • android Universal Image Loader for Android 说明文档 (1)

    All manipulations are held by the ImageLoader class. It is a singletone, so to ...

    xiangzhihong
  • 半导体基础知识(2):PN结二极管和二极管特性

    从第一篇文章开始:半导体基础知识(1):材料和器件[1],觉得挺好,于是决定翻译第二篇,有缘看到就进行下去。上篇最后预留了这样一句话:

    Reborn Lee
  • How Do You Test AI Systems?--你如何测试AI系统

    RonSchmelzerContributor(Ron SchmelzerContributor公司)

    小老鼠
  • 在特性层次中进行扰动,以提高标准和严格的黑盒攻击的可转移性(CS CR)

    在深度神经网络(DNN)图像分类器领域,我们考虑了基于黑盒传输的目标对抗攻击威胁模型。我们的方法不是专注于跨越源模型输出层的决策边界,而是扰乱整个提取的特性层次...

    奥斯特洛夫斯萌
  • 【论文推荐】最新5篇知识图谱相关论文—强化学习、习知识图谱的表示、词义消除歧义、并行翻译嵌入、图数据库

    【导读】专知内容组整理了最近五篇知识图谱(Knowledge Graph)相关文章,为大家进行介绍,欢迎查看! 1. DeepPath: A Reinforce...

    WZEARW

扫码关注云+社区

领取腾讯云代金券