司机为中心的驾驶风格适应中的情境认知
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
本文探讨了自动驾驶系统的改进方法，包括基于数据驱动的驾驶风格调整、场景解释与预测、驾驶员分心检测等。研究表明，个性化控制能显著提高用户接受度，并提出了多智能体强化学习的决策方法，以适应不同驾驶员的行为。
❓
Q&A
如何提高自动驾驶系统的用户接受度？
通过个性化控制和数据驱动的方法调整控制器，可以显著提高用户的信任度和接受度。
什么是Honda Research Institute Driving Dataset（HDD）？
HDD是一个包含104小时人类真实驾驶行为的数据集，用于研究驾驶行为。
如何检测驾驶员的分心行为？
采用基于自监督学习的方法，使用遮罩图像建模，准确率达到99.60%。
多智能体强化学习在自动驾驶中有什么应用？
它能够自适应地与其他道路参与者协商行驶方案，并推断其他驾驶员的行为。
如何评估驾驶员对交通状况的感知能力？
通过软件和硬件框架评估，并提供人机界面辅助以增强感知能力。
基于行动的驾驶数据学习模型有什么优势？
该模型在弱注释图像方面表现优越，具有更好的可解释性和性能。
🏷️
