과학자들이 자율주행차를 승객 친화적으로 만들기 위한 전략을 공개하다

자동화된 차량의 통합은 안전성 향상, 교통 체증 감소, 접근성 향상을 포함한 도시 이동성에 여러 가지 이점을 약속합니다. 자동화된 차량은 운전자가 휴식, 작업 또는 이동 중 멀티미디어 시청과 같은 비운전 관련 작업(NDRT)에 참여할 수 있도록 합니다. 그러나 광범위한 채택은 승객의 제한된 신뢰로 인해 방해를 받습니다. 이를 해결하기 위해 자동화된 차량 결정에 대한 설명은 제어를 제공하고 부정적인 경험을 줄임으로써 신뢰를 촉진할 수 있습니다. 이러한 설명은 효과적이려면 유익하고 이해하기 쉽고 간결해야 합니다.

기존의 설명 가능한 인공 지능(XAI) 접근 방식은 주로 개발자를 대상으로 하며, 승객에게 적합하지 않을 수 있는 고위험 시나리오나 포괄적 설명에 초점을 맞춥니다. 이러한 격차를 메우기 위해 승객 중심의 XAI 모델은 실제 운전 시나리오에 필요한 정보의 유형과 타이밍을 이해해야 합니다.

이러한 격차를 해소하기 위해 한국 광주과학기술원(GIST)의 김승준 교수가 이끄는 연구팀은 실제 도로 상황에서 자율주행차 승객의 설명 요구 사항을 조사했습니다. 그런 다음 그들은 적시에 상황에 맞는 설명을 위한 승객별 센서 데이터를 포함하는 TimelyTale이라는 멀티모달 데이터 세트를 도입했습니다. "저희 연구는 자율주행에서 XAI의 초점을 개발자에서 승객으로 전환합니다. 저희는 승객의 차량 내 설명에 대한 실제 요구 사항을 수집하는 접근 방식과 승객을 위한 적시에 상황에 맞는 설명을 생성하는 방법을 개발했습니다."라고 김 교수는 설명합니다.

이들의 연구 결과는 2023년 9월 27일과 2024년 9월 9일에 ACM의 Interactive, Mobile, Wearable and Ubiquitous Technologies에 게재된 두 가지 연구에서 확인할 수 있습니다. 저자들은 'What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles'라는 제목의 선구적인 연구로 UbiComp 2024에서 'Distinguished Paper Award'를 수상했습니다.

연구자들은 먼저 증강 현실을 활용하여 실제 주행 조건에서 승객 경험에 대한 지각, 주의 및 두 가지의 조합을 포함한 다양한 시각적 설명 유형의 영향과 타이밍을 연구했습니다. 그들은 차량의 지각 상태만으로도 승객을 압도하지 않고 신뢰, 지각된 안전성 및 상황 인식이 향상된다는 것을 발견했습니다. 그들은 또한 교통 위험 확률이 특히 승객이 정보로 인해 과부하를 느낄 때 설명을 제공할 시기를 결정하는 데 가장 효과적이라는 것을 발견했습니다.

이러한 결과를 바탕으로 연구자들은 TimelyTale 데이터 세트를 개발했습니다. 이 접근 방식에는 자연스러운 운전 시나리오에서 다양한 센서를 사용하여 승객으로부터 수집한 외감각(시각, 소리 등과 같은 외부 환경과 관련된), 고유 감각(신체의 위치와 움직임과 관련된), 내감각(통증 등과 같은 신체 감각과 관련된) 데이터가 포함되며, 이는 승객의 설명 요구 사항을 예측하는 주요 특징입니다. 특히 이 작업에는 NDRT에서 운전 관련 정보로 승객의 초점이 이동하는 것을 의미하는 중단 가능성 개념도 통합되어 있습니다. 이 방법은 승객의 설명 요구 사항의 타이밍과 빈도, 그리고 운전 상황에서 승객이 원하는 구체적인 설명을 효과적으로 식별했습니다.

이 접근 방식을 사용하여 연구자들은 설명을 제공하기에 가장 좋은 시간을 예측하는 머신 러닝 모델을 개발했습니다. 또한, 개념 증명으로 연구자들은 다양한 주행 위치에 따라 텍스트 설명을 생성하기 위한 도시 전체 모델링을 수행했습니다.

"저희 연구는 자율주행차의 수용과 채택을 확대하기 위한 토대를 마련하며, 향후 몇 년 안에 도시 교통과 개인 이동성을 재편할 가능성이 있습니다." 김 교수의 말입니다.

출처: https://www.sciencedaily.com/releases/2024/11/241106132456.htm