论文链接：https://arxiv.org/pdf/2408.10908
摘要
本文介绍了通过同步的人类行为数据增强端到端自动驾驶系统。本文对在自动驾驶领域中集成细粒度人工监督以提高系统性能进行开创性探索。端到端自动驾驶的当前进展通常是数据驱动的，并且依赖于给定的专家试验。然而，这种依赖性限制了系统的泛化能力及其赢得人类信任的能力。为了弥补这一差距，本项研究引入了一种新方法，其在相同的驾驶场景下同步采集来自人类和机器驾驶员的数据，着重于眼动追踪和脑电波数据，以引导机器感知和决策过程。本文利用Carla仿真来评估人类行为引导带来的影响。实验结果表明，通过人类注意力来引导机器注意力可以显著提升驾驶性能。然而，人类意图引导仍然是一项挑战。本文为利用人类行为引导来增强自主系统开辟了有前景的方向和可能性。
主要贡献
本文的贡献总结如下：
1）本文从两个方面率先增强了机器驾驶：（1）像人类驾驶员一样观测；（2）像人类驾驶员一样做出决策；
2）本文采集了机器和人类同时驾驶的并行人类认知和行为数据；
3）实验结果表明，将人类引导引入自动驾驶是有效的。
论文图片和表格
总结
本文深入研究了如何利用人类行为数据来提高自动驾驶性能。本文从两个方面探索利用人类驾驶员的见解来增强驾驶系统的能力：1）像人类一样观测；2）像人类一样决策。为了实现这一目标，本文通过让机器和人类行驶相同的路线来采集眼动追踪、刹车和认知数据。实验结果表明，通过人类注意力引导机器注意力可以显著提升性能。然而，这些实验并没有证明人类认知数据可以显著增强结果。将细粒度人工监督集成到机器驾驶中是值得进一步深入研究的。这种方法有利于提高机器对人类的可信度，同时使其决策过程更加拟人化。
发表回复