[논문 리뷰] A Case Study of Trust on Autonomous Driving

Shili Sheng, Erfan Pakdamanian외 5명|arXiv (Cornell University)|2019. 04. 16.

Human-Automation Interaction and Safety참고 문헌 31인용 수 3

한 줄 요약

이 연구는 19명의 참가자가 실험 동안 리커트 척도로 신뢰도를 평가한 주행 시뮬레이터를 사용하여 자율주행 차량에서 인간의 실시간 신뢰 동역학을 조사한다. ANOVA와 신호 시간 논리(STL)를 결합하여 경고, 날씨, 주행 모드에 따른 신뢰 변화를 분석한 결과, 누락된 경고는 신뢰를 크게 감소시켰다(67.1% 감소), 반면 잘못된 경고는 혼합된 영향을 미쳤고, 개인의 반응 시간은 크게 다양했으며, STL 학습을 통한 개인 맞춤형 신뢰 반응 모델링이 가능함을 확인하였다.

ABSTRACT

As autonomous vehicles have benefited the society, understanding the dynamic change of humans' trust during human-autonomous vehicle interaction can help to improve the safety and performance of autonomous driving. We designed and conducted a human subjects study involving 19 participants. Each participant was asked to enter their trust level in a Likert scale in real-time during experiments on a driving simulator. We also collected physiological data (e.g., heart rate, pupil size) of participants as complementary indicators of trust. We used analysis of variance (ANOVA) and Signal Temporal Logic (STL) to analyze the experimental data. Our results show the influence of different factors (e.g., automation alarms, weather conditions) on trust, and the individual variability in human reaction time and trust change.

연구 동기 및 목표

• 자율주행 차량과의 상호작용 중 인간의 신뢰가 실시간으로 어떻게 변화하는지 이해하기 위해.
• 외부 요인(예: 경고 유형, 날씨 조건, 주행 모드)이 신뢰 수준에 어떻게 영향을 미치는지 특정하기 위해.
• 생리적 신호(예: 심박수, 동공 크기)가 신뢰의 보조 지표로서 수행하는 역할을 조사하기 위해.
• 신호 시간 논리(STL)를 활용하여 개인 차이를 모델링하고 개인 맞춤형 반응 시간 경계를 학습하기 위해.

제안 방법

• 실시간 신뢰 평가를 위해 19명의 참가자를 대상으로 주행 시뮬레이터를 사용한 인간 대상 연구를 수행하였다.
• 신뢰의 객관적 연관자로 생리적 데이터(심박수, 동공 크기, GSR, 눈동자 추적)를 수집하였다.
• 1원배치 분산분석(ANOVA)을 적용하여 경고 유형, 날씨, 주행 모드가 신뢰 수준에 미치는 통계적 영향을 평가하였다.
• 신뢰 변화의 시간적 패턴(예: 잘못된 또는 누락된 경고 후 신뢰 감소)을 공식적으로 특정하고 검증하기 위해 신호 시간 논리(STL)를 사용하였다.
• 참가자 데이터에서 개인 맞춤형 반응 시간 경계를 학습하기 위해 시간 논리 추출기(TeLEx) 도구를 활용하였다.
• 군집 수준의 ANOVA와 개인 수준의 STL 분석을 통합하여 일반적 경향과 개인 맞춤형 신뢰 역학을 모두 포착하였다.

실험 결과

연구 질문

• RQ1 다른 경고 유형(거짓 경고 대비 누락 경고)은 자율주행 차량에 대한 인간의 실시간 신뢰 변화에 어떻게 영향을 미치는가?
• RQ2 날씨와 같은 환경 조건은 신뢰와 생리적 지표에 어떤 영향을 미치는가?
• RQ3 반응 시간과 신뢰 반응 패턴의 개인적 차이가 자율주행 주행 중 신뢰 변화에 어떻게 영향을 미치는가?
• RQ4 동공 크기 및 GSR과 같은 생리적 신호가 신뢰의 신뢰할 만한 대체 지표로 얼마나 유용한가?
• RQ5 매개변수 학습을 통한 STL 기반 모델링은 군집 수준 분석보다 개인 맞춤형 신뢰 역학을 더 효과적으로 포착할 수 있는가?

주요 결과

• 누락된 경고는 신뢰를 심각하게 감소시켰으며, 이벤트 발생 후 10초 이내에 신뢰 감소 확률이 67.1%로 나타났다.
• 거짓 경고는 혼합된 영향을 미쳤다: 25.2%는 신뢰 감소로 이어졌고, 18.5%는 신뢰 증가로 이어져 영향이 일관되지 않았다.
• 누락된 경고 후 신뢰가 증가할 확률은 51.3%였고, 활성화된 경고 후에는 59.2%였으며, 이는 경고 미작동이 더 강한 부정적 영향을 미친다는 것을 시사한다.
• 동공 크기와 GSR 피크 수는 날씨 조건에 민감하여 환경적 스트레서에 대한 생리적 민감도를 나타냈다.
• 신뢰 변화에 대한 개인의 반응 시간은 크게 다양했으며, 참가자 A는 가장 빠른 반응(평균 2.6초), 참가자 C는 가장 느린 반응(평균 6.475초)을 보였다.
• TeLEx를 통한 STL 학습이 성공적으로 개인 맞춤형 반응 시간 경계를 추출하여 개인의 신뢰 반응 패턴을 모델링할 수 있음을 입증하였다.