老司机和驾驶辅助系统相处得如何？MIT研究人员做了个科学研究

安妮 编译整理
量子位 出品 | 公众号 QbitAI

关于带驾驶辅助系统无人车安全性的争吵从未停止。

两方争论的焦点无非是它们减轻了司机的驾驶压力，但又没有轻松到可以放任不管。因为司机的“放松程度”很难把控，所以不能确定它的安全性。

驾驶辅助系统是存是留？这是个问题。

互怼可以，但也得注意一下姿势，应该考虑下怎样科学地证明自己的观点吧 ╮(╯▽╰)╭。

对了，MIT的研究人员就在研究人类司机和和驾驶辅助系统的日常相处，任务代号MIT-AVT。别纠结了，看看MIT科学家的正确研究姿势。

总体思路

MIT-AVT研究想通过收集大量驾驶数据，通过收集车辆状态数据的视频、司机状态、心理模式等全面了解人类与车辆的互动方式，基于内部和外部的感知系统促进深度学习在自动驾驶领域发展。此外，这项研究还会判断司机对驾驶辅助技术和其他自动化技术的上手程度，提高司机的使用频率。

MIT研究人员探索了新的分析方法，研究在这些装备过车辆上的大型数据集。这些记录的数据流包括IMU、GPS、CAN信息，也包括司机脸部、驾驶室、前进道路和仪表盘的高清视频。

数据收集

收集这些数据的装备很多，掐指一算，总共有21辆特斯拉Model S和Model X、两辆沃尔沃S90和两辆路虎Evoque。

△ 收集司机与系统交互数据的实验车

为了收集数据，研究人员为这些车辆配备了一至多台车载电脑、多个摄像头、一个GPS、激光雷达和蓝牙传感器。

在项目论文中，我们能够窥见驾驶员与环境交互数据的采集过程——相机通过捕捉司机脸部表情判断司机状态，驾驶室内的相机负责追踪司机体态，前向相机可以感知驾驶场景，仪表盘摄像机收集车辆状态。

△ 驾驶员与环境交互数据采集过程

△ 在新英格兰地区收集的MIT-AVT数据集中GPS点的可视化表示

研究时长

研究时长分长期和短期两种。有些测试车是司机自己的，这种情况研究人员将观察车辆一年，研究司机适应驾驶辅助技术的过程——他们对驾驶辅助系统有信心吗？是否会越来越频繁地依赖系统？对于不同的路段环境，会采取不同的驾驶方式吗？

△ 在研究的14个月中，实验车辆日常行驶里程的可视化

短期研究时长为一个月。研究人员想借此弄清楚司机对一个全新驾驶辅助系统的反应。他们需要多久才能学会使用它？是否有一些他们无法理解的操作？这些问题的答案可以帮助工程师建造更安全、易上手的汽车。

项目进展

目前，这项研究还在进行中。到目前为止，研究人员已经找到了78名参与者完成了7146天时长的参与，总共完成了275589英里的测试路段和35亿帧视频。

MIT研究人员在论文中表示，随着实验的进行，将定期在论文中更新最新研究成果。

最后，附论文地址：

http://hcai.mit.edu/mit-avt.pdf

— 完 —

加入社群

量子位AI社群11群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot4入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot4，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态