Resumen: para futuras interacciones de vehículos humanos-autónomos (AV) para que los sistemas efectivos y suaves y conscientes de los humanos que analicen y alineen las necesidades humanas con las decisiones de automatización son esenciales. Lograr esto requiere sistemas que expliquen los estados cognitivos humanos. Presentamos un nuevo modelo computacional en forma de una red bayesiana dinámica (DBN) que infiere los estados cognitivos de los usuarios de AV y otros usuarios de la carretera, integrando esta información en el proceso de toma de decisiones del AV. Específicamente, nuestro modelo captura el bienestar de un usuario AV y un usuario de la carretera que interactúa como estados cognitivos junto con la confianza. Nuestros modelos DBN infieren creencias sobre los estados de bienestar, confianza e intención en evolución del usuario del usuario de AV, así como el posible bienestar de otros usuarios de la carretera, basados en experiencias de interacción observadas. Utilizando datos recopilados de un estudio de interacción, refinamos los parámetros del modelo y evaluamos empíricamente su rendimiento. Finalmente, ampliamos nuestro modelo a un marco de modelo de inferencia causal (CIM) para la toma de decisiones AV, lo que permite que el AV mejore el bienestar y la confianza del usuario al tiempo que equilibra estos factores con sus propios costos operativos y el bienestar de los usuarios de la carretera interactuantes. Nuestra evaluación demuestra la efectividad del modelo para predecir con precisión los estados del usuario y guiar las decisiones AV informadas y centradas en el ser humano.
Publicado Originalme en rss.arxiv.org El 21 de mayo de 2025.
Ver Fuente Original
