Core Concepts
자율주행 차량 AI 코치의 설명 유형과 제시 방식이 운전 성능, 인지 부하, 자신감 및 신뢰도에 영향을 미친다.
Abstract
이 연구는 자율주행 차량 AI 코치의 설명이 운전 성능, 인지 부하, 전문성, 자신감 및 신뢰도에 미치는 영향을 평가했다. 41명의 참가자를 4개 실험 집단으로 나누어 AI 코치의 설명 유형(무설명, 'what' 정보, 'what' + 'why' 정보)과 제시 방식(청각, 시각)을 달리했다.
실험 결과, AI 코치의 설명은 참가자의 운전 성능 향상에 도움이 되었다. 특히 'what' 정보와 시각적 제시 방식이 가장 효과적이었다. 이는 정보 유형과 제시 방식이 참가자의 주의 집중, 불확실성 해소, 인지 부하 경감에 영향을 미쳐 학습 과정에 차이를 만들었기 때문이다.
참가자 인터뷰를 통해 AI 코치의 설명이 참가자의 학습 과정에 어떤 영향을 미쳤는지 파악할 수 있었다. 참가자들은 정보의 정확성, 효율성, 모달리티 적합성 등을 중요하게 여겼다. 또한 자율주행 차량에 대한 신뢰가 운전 성능 향상에 중요한 요인으로 나타났다.
이 연구 결과는 향후 자율주행 차량 HMI와 AI 코치 설계 시 고려해야 할 8가지 시사점을 제공한다. 학습 과정에 맞춘 정보 제공, 주의 집중 유도, 정보 효율성 확보, 불확실성 최소화, 신뢰 구축, 개인화, 상황 맥락 반영, 관찰 vs. 상호작용 등이 그것이다.
Stats
주행 라인 거리가 가장 가까웠던 집단은 집단 2와 집단 4였다.
집단 2는 랩 타임, 최고 속도, 평균 가속도 향상이 다른 집단에 비해 적었다.
모든 집단에서 AI 코치 관찰 후 랩 타임, 최고 속도, 평균 가속도가 향상되었다.
신뢰도와 자신감, 전문성 점수가 모든 집단에서 향상되었다.
Quotes
"처음에는 AI 코치가 무엇을 가르치려 하는지 알 수 없었다."
"'why' 정보가 없어서 그 이유를 알 수 없었다."
"시각적 레이싱 라인이 매우 도움이 되었다. 더 편안하고 자신감 있게 느껴졌다."
"정보가 너무 많아 압도되는 느낌이었다."