Отслеживание глаз водителей может определить способность вернуть контроль из режима «Автопилот»

Кредит: CC0 Общественный домен

Команда исследователей под руководством UCL разработала новый метод для определения уровней внимания водителей и их готовности реагировать на предупреждающие сигналы при использовании режима автоматического пилота.

Исследование, опубликованное в когнитивных исследованиях: принципы и последствия, показали, что уровень внимания людей и то, насколько они поглощены на экране, могут быть обнаружены из их движений глаз.

Результаты предполагают новый способ определить готовность драйверов, использующих режим автоматического пилота для реагирования на сигналы реального мира, такие как запросы на поглощение от автомобиля.

Хотя полностью автономные автомобили без водителя еще не доступны для личного использования, автомобили с «без водителя» автопилота доступны для коммерческого частного использования в некоторых местах, включая Германию и некоторые штаты США.

При использовании режима автоматического пилота водители могут отвлечься от колеса и участвовать в других мероприятиях, таких как игра в игре на центральном экране, проводящих автомобиль.

Тем не менее, текущие модели могут потребовать, чтобы водитель вернул управление автомобилем в определенные точки.Например, драйверы могут использовать режим «Автопилот» во время застревания трафика на автомагистрали.Но как только варенье очистится и автомагистраль позволяет быстрее, чем скорость 40 миль в час, ИИ отправит сигнал «поглощения» водителю, указывая на то, что они должны вернуться к полному управлению вождением.

Исследователи проверили, возможно ли определить, был ли человек слишком поглощен другой задачей, чтобы быстро реагировать на такой «поглотный» сигнал.

Для этого команда проверила 42 участника в двух экспериментах, используя процедуру, которая имитировала сценарий «поглощения», используемый в некоторых расширенных моделях автомобилей с режимом автоматического пилота.

Участники должны были искать экран компьютера со многими цветными формами для некоторых целевых предметов и задерживаться над целями, чтобы показать, что они нашли их.

Поисковые задачи были либо простыми (то есть участникам пришлось обнаружить нечетную форму «L» среди множества форм T ’), либо более требовательной (то есть участники должны были определить определенное расположение частей формы и их цвета).

В более поздних точках их поисковой задачи звучат тон, и участники должны были прекратить просмотр экрана так быстро, как могли, и нажимать кнопку в ответ на него.

Исследователи следили за тем, как потребовалось между звучанием тона, и участниками, нажимающими кнопку, наряду с анализом, как их глаза перемещались по экрану во время их поиска, чтобы увидеть, можно ли обнаружить уровни внимания к задаче от изменения в их взгляде.

Они обнаружили, что когда задача потребовала больше внимания, участникам потребовалось больше времени, чтобы прекратить наблюдать за экраном и ответить на тон.

Анализ показал, что можно было обнаружить уровни внимания участников из их движений глаз.Образец движения глаз, включающий более длинные фиксации и более короткое расстояние от перемещения глаз между всеми предметами, показала, что задача была более требовательной к вниманию.

Исследователи также обучили модель машинного обучения по этим данным и обнаружили, что они могут предсказать, участвовали ли участники в простой или требовательной задаче, основанной на их моделях движения глаз.

Старший автор, профессор Нилли Лави (Институт когнитивной нейробиологии UCL), сказал: «Технологии без водителя бы быстро продвигаются и обещают более приятный и продуктивный опыт вождения, где водители могут использовать свое время для поездок на работу для других задач без вождения».

«Тем не менее, большой вопрос заключается в том, сможет ли драйвер быстро вернуться к вождению после получения сигнала о поглощении, если он полностью вовлечен в другое действие».

«Наши результаты показывают, что можно обнаружить уровни внимания водителя и их готовность ответить на предупреждающий сигнал, просто от мониторинга их схемы взгляда».

«Поразительно, что люди могут быть настолько поглощены своей на экране, что игнорируют остальной мир вокруг них. Даже когда они осознают, что они должны быть готовы остановить свою задачу и реагировать на тоны как можно быстрее, как только могутИм требуется больше времени, чтобы сделать это, когда их внимание поглощено на экране ».

«Наше исследование показывает, что предупреждающие сигналы могут быть недостаточно замечены в таких случаях».

Для обучения машинного обучения требуются более крупные наборы данных и сделать его более точным.

Больше информации: Nilli Lavie et al., Установление маркеров взгляда воспринимаемой нагрузки во время многоцелевого визуального поиска, принципов когнитивных исследований и последствий (2023).Doi: 10.1186/s41235-023-00498-7