核心发现
方法论
研究采用混合方法，41名参与者在VR模拟的全自动车辆中体验两种沟通策略：事件触发策略（ET）和情境敏感策略（CS）。CS策略根据事件优先级和乘客活动选择即时、延迟或静默沟通。
关键结果
- CS策略显著减少了感知打扰，提高了沟通适当性，未影响信任度。
- 基于CARLA和Varjo XR-4 VR头显的实验环境，参与者在不同活动中体验沟通策略。
- 研究发现事件后果、乘客活动和信息持续价值是选择性沟通的关键。
研究意义
该研究为车内代理的沟通策略提供了新的视角，强调了在自动驾驶环境中适时沟通的重要性，减少不必要的打扰，提升乘客体验。
技术贡献
提出了一种情境敏感的沟通策略，区别于传统的事件触发方法，提供了在不同乘客活动和事件优先级下的沟通决策框架。
新颖性
首次将情境敏感策略应用于车内代理沟通，结合事件优先级和乘客活动，提供灵活的沟通选择。
局限性
- 实验仅在VR环境中进行，可能与真实驾驶体验有差异。
- 未考虑多乘客场景的沟通需求。
未来方向
未来研究可探索多乘客场景下的沟通策略，以及在真实驾驶环境中的应用。
AI 总览摘要
自动驾驶技术的进步使得车内乘客体验成为重要的设计考量。传统的车内代理通常在每个事件发生时立即沟通，可能导致不必要的打扰。When2Talk研究提出了一种情境敏感的沟通策略，结合事件优先级和乘客活动，选择即时、延迟或静默沟通。
通过在VR模拟环境中进行的实验，研究发现情境敏感策略能够显著减少感知打扰，同时保持沟通的适当性。参与者在不同的乘客活动中体验了两种策略，结果表明情境敏感策略在提升乘客体验方面具有潜力。
该研究为未来的车内代理设计提供了新的方向，强调了在自动驾驶环境中适时沟通的重要性。未来的研究可以进一步探索多乘客场景下的沟通策略，以及在真实驾驶环境中的应用。
深度分析
研究背景
随着自动驾驶技术的发展，乘客在车内的体验成为设计的重要考量。以往研究表明，车内沟通能够影响乘客对自动驾驶的理解和信任。然而，过于频繁的沟通可能导致打扰，影响乘客体验。
核心问题
传统的车内代理在每个事件发生时立即沟通，可能导致不必要的打扰。如何在不同事件优先级和乘客活动下选择合适的沟通时机是一个挑战。
核心创新
提出了一种情境敏感的沟通策略，结合事件优先级和乘客活动，提供即时、延迟或静默的沟通选择。该策略能够减少打扰，提高沟通的适当性。
方法详解
- �� 在VR模拟环境中进行实验
- �� 使用CARLA和Varjo XR-4 VR头显
- �� 41名参与者体验两种沟通策略
- �� 记录参与者的反馈和眼动数据
实验设计
实验在VR环境中进行，使用CARLA模拟自动驾驶场景。参与者在不同的乘客活动中体验两种沟通策略，记录反馈和眼动数据。
结果分析
情境敏感策略显著减少了感知打扰，提高了沟通的适当性。参与者在不同活动中体验了两种策略，结果表明情境敏感策略在提升乘客体验方面具有潜力。
应用场景
该策略可用于自动驾驶车辆的车内代理设计，减少不必要的沟通打扰，提高乘客体验。
局限与展望
实验仅在VR环境中进行，可能与真实驾驶体验有差异。未考虑多乘客场景的沟通需求。
通俗解读 非专业人士也能看懂
想象你在一个自动驾驶的车里，车内有个助手会告诉你车子在做什么。以前，这个助手会在每个事件发生时立刻告诉你，但这有时候会打扰你。这个研究提出了一种新方法，助手会根据事件的重要性和你在做什么来决定什么时候告诉你。比如，如果你在看手机，助手可能会等你有空的时候再告诉你。
简单解释 像给14岁少年讲一样
想象你在玩一款自动驾驶的游戏，车里有个助手会告诉你车子在做什么。以前，这个助手会在每个事件发生时立刻告诉你，但这有时候会打扰你。这个研究提出了一种新方法，助手会根据事件的重要性和你在做什么来决定什么时候告诉你。比如，如果你在看手机，助手可能会等你有空的时候再告诉你。
术语表
事件触发策略 (Event-Triggered Policy)
一种在每个事件发生时立即进行沟通的策略。
在实验中用于比较情境敏感策略的基准。
情境敏感策略 (Context-Sensitive Policy)
根据事件优先级和乘客活动选择沟通时机的策略。
研究的核心方法，用于减少沟通打扰。
CARLA
一种用于自动驾驶模拟的开源平台。
用于创建VR模拟环境。
Varjo XR-4
一种高端VR头显设备。
用于实验中的沉浸式体验。
自动驾驶 (Autonomous Driving)
车辆能够在没有人类干预的情况下自主驾驶。
研究的背景领域。
开放问题 这项研究留下的未解疑问
- 1 如何在多乘客场景中有效应用情境敏感策略仍需探索。
- 2 真实驾驶环境中的应用效果尚未验证。
应用场景
近期应用
车内代理设计
可用于设计更智能的车内代理，减少不必要的沟通打扰，提高乘客体验。
远期愿景
智能交通系统
该策略可用于未来的智能交通系统，提高自动驾驶车辆的沟通效率和乘客满意度。
原文摘要
Proactive in-cabin agents can help passengers understand automated-vehicle (AV) behavior, but communicating every ride event may introduce unnecessary interruptions. We investigated how communication should adapt to event priority and passenger activity. In a mixed-methods within-subject study, 41 participants rode as passenger in a VR simulated fully-automated vehicle. We compared an event-triggered (ET) policy that communicated immediately at every event with a context-sensitive (CS) policy that selected \textit{Immediate}, \textit{Delayed}, or \textit{Silent} communications. CS increased communication appropriateness and substantially reduced perceived interruption. Perceived trust did not differ between policies, although baselines dispositional trust differentiated communication preferences. Findings highlight event consequence, passenger activity, continuing information value, and confirmation need as key considerations for selective in-cabin communication.