.png){kind=icon}
返回
Human-Machine Mutual Trust Based Shared Control Framework for Intelligent Vehicles
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202501155.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于高度自动驾驶中的技术瓶颈，人机共驾在未来可预见的未来仍将是一种过渡模式。作为一种有前景的范式，共享控制通过建模人机交互来自适应地分配控制权限。然而，现有方法通常依赖基于理性博弈论的方法，忽视了信任等心理因素，从而限制了其对意外环境变化的鲁棒性。为解决此局限性，本文提出了一种由人机双向信任建模驱动的共享控制框架。首先，引入了考虑人因的人到机器信任模型，该模型从驾驶员与机器间的意图差异中推导信任估计，并通过贝叶斯框架更新的驾驶员技能评估进行优化。其次，引入了机器到人的信任估计模型，该模型通过博弈论机制综合评估驾驶能力，整合长期技能与短期状态生成估计。最后，将这些信任估计映射为控制权限分配，并整合到模型预测控制中生成共享控制指令。在SILAB硬件在环平台上的25名驾驶员实验验证了所提框架。结果表明，信任估计具有高精度，并证明基于信任的策略相较于基于风险的方法实现了更优的安全性和人机一致性。
Keyword:
human-machine co-driving
intelligent vehicles
mutual trust
shared control
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
引用论文
Human-Machine Shared Control for Industrial Vehicles: A Personalized Driver Behavior Recognition and Authority Allocation Scheme工业车辆的人机共享控制：一种个性化驾驶员行为识别与权限分配方案
PREAI
分享收藏Sensor Reduction for Driver-Automation Shared Steering Control via an Adaptive Authority Allocation Strategy通过自适应权限分配策略减少驾驶员自动化共享转向控制的传感器
PREAI
分享收藏Human-Machine Cooperative Trajectory Planning for Semi-Autonomous Driving Based on the Understanding of Behavioral Semantics.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏
查看更多内容