Several recent works consider the personalized route planning based on user profiles, none of which accounts for human trust. We argue that human trust is an important factor to consider when planning routes for automated vehicles. This paper presents the first trust-based route planning approach for automated vehicles. We formalize the human-vehicle interaction as a partially observable Markov decision process (POMDP) and model trust as a partially observable state variable of the POMDP, representing human's hidden mental state. We designed and conducted an online user study with 100 participants on the Amazon Mechanical Turk platform to collect data of users' trust in automated vehicles. We build data-driven models of trust dynamics and takeover decisions, which are incorporated in the POMDP framework. We compute optimal routes for automated vehicles by solving optimal policies in the POMDP planning. We evaluated the resulting routes via human subject experiments with 22 participants on a driving simulator. The experimental results show that participants taking the trust-based route generally resulted in higher cumulative POMDP rewards and reported more positive responses in the after-driving survey than those taking the baseline trust-free route.


翻译:最近的几项工作考虑了基于用户概况的个人化路线规划,其中没有任何一项是人类信任的。我们认为,在规划自动车辆路线时,人类信任是一个重要的考虑因素。本文件介绍了第一种基于信任的自动车辆路线规划方法。我们正式将载人车辆互动作为部分可见的Markov决策程序(POMDP)和模型信任作为部分可观察的POMDP变量,代表人类隐藏的精神状态。我们设计并在亚马逊机械土耳其平台上与100名参与者进行了在线用户研究,以收集用户对自动车辆信任的数据。我们建立了数据驱动的信任动态和接管决定模型,这些模型已纳入POMDP框架。我们通过在POMDP规划中找到最佳政策,为自动车辆设计了最佳路线。我们与22名参与者一起通过驾驶模拟器对由此形成的路径进行了人体实验。实验结果表明,采用基于信任的路线的参与者一般会获得更高的累积的POMDP奖赏,并在后驱动调查中报告比使用基线无信任路线的人更积极的反应。

0
下载
关闭预览

相关内容

Automator是苹果公司为他们的Mac OS X系统开发的一款软件。 只要通过点击拖拽鼠标等操作就可以将一系列动作组合成一个工作流,从而帮助你自动的(可重复的)完成一些复杂的工作。Automator还能横跨很多不同种类的程序,包括:查找器、Safari网络浏览器、iCal、地址簿或者其他的一些程序。它还能和一些第三方的程序一起工作,如微软的Office、Adobe公司的Photoshop或者Pixelmator等。
【Manning新书】现代Java实战,592页pdf
专知会员服务
99+阅读 · 2020年5月22日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
已删除
将门创投
6+阅读 · 2019年9月3日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Arxiv
0+阅读 · 2021年3月8日
VIP会员
相关资讯
已删除
将门创投
6+阅读 · 2019年9月3日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Top
微信扫码咨询专知VIP会员