Effects of Multimodal Explanations for Autonomous Driving on Driving Performance, Cognitive Load, Expertise, Confidence, and Trust

要約

自動運転の進歩により、人間の運転改善という重要なニーズに直接対応する、AI 支援による運転指導の機会がもたらされます。
AI講師は学習を促進するためにどのように情報を伝えればよいのでしょうか？
事前事後実験 (n = 41) では、パフォーマンスを向上させる専門家の指示をモデルにした AI コーチの説明的コミュニケーションの影響をテストしました。
参加者は 4 つのグループに分けられ、AI コーチの説明の 2 つの側面、つまり情報の種類 (「何を」と「なぜ」タイプの説明) とプレゼンテーションの様式 (聴覚と視覚) を評価しました。
観察学習を通じて、さまざまな説明手法が運転パフォーマンス、認知負荷、自信、専門知識、信頼にどのような影響を与えるかを比較します。
インタビューを通じて、参加者の学習プロセスを詳しく説明します。
結果は、AI コーチングが初心者にパフォーマンス運転スキルを効果的に教えることができることを示しています。
情報の種類と様式がパフォーマンスの結果に影響を与えることがわかりました。
参加者がどのように学習に成功したかの違いは、情報がどのように注意を向け、不確実性を軽減し、参加者が経験する過負荷に影響を与えるかに起因すると考えられます。
結果は、圧倒されることなく指示できる効果的な HMI コミュニケーションを設計する際には、効率的でモダリティに適した説明を選択する必要があることを示唆しています。
さらに、結果はコミュニケーションを人間の学習および認知プロセスと調整する必要性を裏付けています。
将来の自動運転車の HMI および AI コーチ設計に対する 8 つの設計上の影響を提供します。

要約(オリジナル)

Advances in autonomous driving provide an opportunity for AI-assisted driving instruction that directly addresses the critical need for human driving improvement. How should an AI instructor convey information to promote learning? In a pre-post experiment (n = 41), we tested the impact of an AI Coach’s explanatory communications modeled after performance driving expert instructions. Participants were divided into four (4) groups to assess two (2) dimensions of the AI coach’s explanations: information type (‘what’ and ‘why’-type explanations) and presentation modality (auditory and visual). We compare how different explanatory techniques impact driving performance, cognitive load, confidence, expertise, and trust via observational learning. Through interview, we delineate participant learning processes. Results show AI coaching can effectively teach performance driving skills to novices. We find the type and modality of information influences performance outcomes. Differences in how successfully participants learned are attributed to how information directs attention, mitigates uncertainty, and influences overload experienced by participants. Results suggest efficient, modality-appropriate explanations should be opted for when designing effective HMI communications that can instruct without overwhelming. Further, results support the need to align communications with human learning and cognitive processes. We provide eight design implications for future autonomous vehicle HMI and AI coach design.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google