[論文レビュー] Familiarization tours for first-time users of highly automated cars: Comparing the effects of virtual environments with different levels of interaction fidelity

Mahdi Ebnali, Richard Lamb+1 more|arXiv (Cornell University)|Feb 19, 2020

Human-Automation Interaction and Safety参考文献 65被引用数 4

ひとこと要約

本研究では、高度自動運転車の初回利用者を対象に、仮想現実（VR）の慣れ導入ツアーが、低精細度VRと高精細度VR、動画、対照群と比較してどのように効果を発揮するかを評価した。高精細度VRは、抜き返しの質と信頼性を著しく向上させた。すべてのグループが3回の露出後には一致した。これは、没入的でインタラクティブな訓練が、初期の信頼に依存することを減らし、経験を通じて学習を促進することを示している。

ABSTRACT

Research in aviation and driving has highlighted the importance of training as an effective approach to reduce the costs associated with the supervisory role of the human in automated systems. However, only a few studies have investigated the effect of pre-trip familiarization tours on highly automated driving. In the present study, a driving simulator experiment compared the effectiveness of four familiarization groups, control, video, low fidelity virtual reality (VR), and high fidelity VR on automation trust and driving performance in several critical and non-critical transition tasks. The results revealed the positive impact of familiarization tours on trust, takeover, and handback performance at the first time of measurement. Takeover quality only improved when practice was presented in high-fidelity VR. After three times of exposure to transition requests, trust and transition performance of all groups converged to those of the high fidelity VR group, demonstrating that: a) experiencing automation failures during the training may reduce costs associated with first failures in highly automated driving; b) the VR tour with high level of interaction fidelity is superior to other types of familiarization tour, and c) uneducated and less-educated drivers learn about automation by experiencing it. Knowledge resulting from this research could help develop cost-effective familiarization tours for highly automated vehicles in dealerships and car rental centers.

研究の動機と目的

• 仮想現実の慣れツアーにおける相互作用の忠実度の異なる水準が、高度自動運転における信頼性とパフォーマンスに与える影響を調査すること。
• 出発前の慣れ訓練が、自動運転車における人間の監視に伴う認知的およびパフォーマンスコストを軽減するかどうかを評価すること。
• 訓練中に自動運転障害にさらされることで、長期的なパフォーマンスと自動運転システムに対する信頼性が向上するかどうかを特定すること。
• 教育水準が低い運転手や教育を受けていない運転手が、高精細度VR環境における経験的学習から恩恵を受けるかどうかを調査すること。

提案手法

• 120名の高度自動運転車の初回利用者を対象に、ドライブシミュレータ実験を実施した。
• 参加者を4つの慣れ条件に割り当てた：対照群（ツアーなし）、動画ツアー、低精細度VR、高精細度VR。
• 複数の重要なおよび非重要な遷移タスクにおいて、信頼性、抜き返しの質、ハンドオーバーのパフォーマンスを測定した。
• 標準化された指標を用いて信頼性（タスク後アンケート）とパフォーマンス（遅延、ステアリングの正確性、反応時間）を評価した。
• 3回のセッションにわたり、遷移要求への繰り返し露出を実施し、時間経過に伴う学習を評価した。
• 被験者内設計を用いて、繰り返し露出後の条件間でのパフォーマンス変化を比較した。

実験結果

リサーチクエスチョン

• RQ1 高精細度VRの慣れツアーは、動画や低精細度VR、対照群と比較して、自動運転車の初回利用者において信頼性と抜き返しパフォーマンスを向上させるか？
• RQ2 遷移要求への繰り返し露出が、異なる慣れ条件における信頼性とパフォーマンスにどのように影響するか？
• RQ3 訓練中に自動運転障害にさらされることで、実際の自動運転走行における初回の障害の悪影響がどの程度軽減されるか？
• RQ4 教育水準が低い、または教育を受けていない運転手は、没入型VR訓練によって、教育水準の高いユーザーと同等のパフォーマンス向上を達成できるか？

主な発見

• 高精細度VRの慣れツアーは、初回測定において、動画、低精細度VR、対照群と比較して、抜き返しの質が著しく向上した。
• 3回の遷移要求への露出後、すべてのグループで信頼性と遷移パフォーマンスが一致した。これは、繰り返し露出が初期の差を緩和することを示している。
• 訓練中に自動運転障害にさらされたことで、実際の自動運転走行における初回障害に伴うパフォーマンスコストが軽減された。
• 教育水準が低い運転手および教育を受けていない運転手は、高精細度VRを通じて顕著な学習の進捗を示した。これは、没入的インタラクションが教育水準に関係なく学習を支援することを示している。
• 高精細度VR条件は、特に重要な抜き返しシナリオにおいて、信頼性とパフォーマンスの向上に優れていた。
• 本研究は、高精細度VRの慣れツアーが、ディーラーやレンタルセンターなどの実世界の状況において、高度自動運転車のユーザーの準備を高めるコスト効果の高い方法であることを示している。