Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Predicting Multitasking in Manual and Automated Driving with Optimal Supervisory Control

Created by
  • Haebom
Category
Empty

저자

Jussi Jokinen, Patrick Ebel, Tuomo Kujala

개요

본 논문은 운전 중 주의 분산을 야기하는 상호작용 기술이 증가하는 교통사고 위험을 다루고 있다. 최적 감독 제어 이론에 기반한 계산적 인지 모델을 제시하여 운전 중 다중 작업을 시뮬레이션한다. 이 모델은 운전 요구, 상호 작용 작업 및 자동화 수준의 변화에 따라 다중 작업이 어떻게 적응하는지 예측한다. 기존 모델과 달리, 다양한 수준의 운전 자동화에 걸쳐 상황에 따른 다중 작업을 고려한다. 직선 도로에서는 더 긴 차내 시선, 곡선 도로에서는 더 짧은 시선을 예측하며, 차선 중앙 유지 보조와 같은 운전자 보조 기능 및 환경적 요구와의 상호 작용에 따라 시선 지속 시간이 증가할 것으로 예상한다. 두 개의 실증적 데이터 세트를 통해 검증된 이 모델은 진화하는 차내 기술과 자동화 속에서 운전자의 다중 작업에 대한 통찰력을 제공한다.

시사점, 한계점

시사점:
운전 중 다중작업에 대한 최적 감독 제어 이론 기반의 계산적 인지 모델 제시
자동화 수준에 따른 상황 의존적 다중 작업 고려
운전 환경과 자동화 시스템의 상호작용에 따른 시선 지속 시간 예측
실증 데이터를 통한 모델 검증 및 신뢰도 확보
진화하는 차내 기술과 자동화 환경에서의 운전자 다중 작업 이해 증진
한계점:
모델의 일반화 가능성에 대한 추가 연구 필요
다양한 운전자 특성 및 상황 고려의 한계
실제 운전 상황과의 완벽한 일치 어려움
모델 검증에 사용된 데이터셋의 제한점 (데이터셋의 크기, 다양성 등)
👍