自动驾驶控制如何适应乘客的晕车偏好？

控制器学习三个权重，碰撞风险不参与

该框架把个性化当作一个权重问题来处理。有限时域最优控制问题把乘客相关阶段成本与碰撞风险项组合在一起，乘客部分则是速度、加速度舒适度和晕车三项成本的加权和。偏好向量 w = [w_v, w_M, w_a] 分别对应速度、晕车和加速度舒适度的权重，这些正是学习所更新的量。

碰撞风险被有意排除在这一自适应过程之外。权重 lambda_p 与 lambda_s 用于平衡乘客偏好与碰撞风险，并满足 lambda_p + lambda_s = 1，但 lambda_s 保持固定，因此学习只改变乘客相关目标的相对重要性。碰撞风险项本身是由碰撞时间构成的软惩罚，这也是该架构需要独立监督器、而不能只依赖成本函数的原因。

晕车是累积的，而非瞬时加速度

论文的核心建模主张是：晕车一般不能仅由瞬时加速度表示，因为它取决于前庭信息与视觉信息之间累积的相互作用。因此乘客模型采用运动病症症状分类（MISC）量表，其中 M = 0 表示无症状，M = 10 表示呕吐，并用一个个体化模型预测 M_k。

该模型先用群体平均的主观垂直冲突模型生成感觉冲突，再通过基于个体的双参数累积模型对冲突进行累积。易感性参数 theta_K 和 theta_T 被假定为每位乘客已知，论文指出其辨识不在本文范围内。这一点对理解结果很重要：模拟中的易感性水平是评估的输入，而不是框架估计出来的量。

情绪比较在离线阶段更新权重

偏好学习并不要求乘客直接给某次行程打分。框架假定在两个片段之间，乘客更偏好片段平均情绪评分更高的那一个，从而把测得的情绪反应转化为偏好学习所需的二元比较。每个闭环片段用一个奖励特征向量概括，即累积的速度、晕车和加速度负成本。

w 的后验每积累 L 个新的合格片段就更新一次，使用贝叶斯推断和马尔可夫链蒙特卡洛采样。合格片段对必须至少包含一个新片段，并满足奖励特征的最小差异；它们按信息量排序，由情绪比较赋予标签，平局被丢弃。权重参数化为 w = softmax(eta)，其分量取独立标准正态先验，从而保持为正且和为 1，后验样本归一化后的均值成为后续片段的偏好向量。论文还假定每位乘客的潜在偏好在每次学习实验中保持不变，这与固定参数贝叶斯模型一致。

学到的权重同时改变速度与 MISC

固定种子评估把初始均匀权重与最终学到的权重作比较，每个情景对四个评估片段取平均，并以“初始→最终”的形式报告速度、平均 MISC、RMS 加速度和平均情绪。学到的权重产生的是各不相同的闭环行为，而不是统一的偏移。

对 Alice 而言，最终控制器在三种易感性设置下都提高了平均速度，同时伴随更高的平均 MISC 和 RMS 加速度。在低易感性情形下，平均速度从 17.34 升至 18.81 m/s，平均 MISC 从 0.244 升至 0.388。对 Bob-low，控制器把平均 MISC 从 0.254 降到 0.229，同时平均速度大致不变，带来小幅情绪提升。Bob-high 以更高的 MISC 和加速度换取更高的平均速度，平均情绪从 13.781 升至 14.089。Bob-medium 则相反：速度、MISC 和 RMS 加速度都下降，但平均情绪从 15.846 降到 15.095。

四片段均值可能掩盖单个坏片段

论文明确指出，四片段均值的改善并不意味着每个评估片段都改善。对 Alice-low 和 Alice-medium，四个评估种子中只有一个在情绪上改善，但该增幅足以使四种子均值为正。对 Bob-medium，单个评估种子的情绪损失约为 4.3，超过了另外三个种子的改善。

最清楚的是 Zoey-high。平均速度从 18.64 升至 18.89 m/s，但四个评估片段中有一个越过阈值 M = 1，最大 MISC 达到 1.079，并在 M ≥ 1 上持续 7.75 s。这触发了大惩罚，使该片段的平均情绪为 -135.207，把四种子均值从 0.746 拉到 -33.250。其余三个最终评估片段的最大 MISC 分别为 0.833、0.864 和 0.750。作者将此解读为学习平滑加权代理目标与满足阈值敏感乘客偏好之间的差别，因为学习机制并未把 M < 1 作为约束。

未观察到碰撞，但不构成安全保证

完整方法的 2304 个学习片段和 1188 个评估片段中均未观察到物理碰撞，安全监督器在所有学习控制步中介入了 1.621%。对最终学到的控制器，四个评估片段的平均介入率范围为 0.625% 至 4.271%。监督器在有限候选集中找不到可行候选时进入尽力而为分支，这种情况在学习控制步中出现 34 次，在评估控制步中出现 15 次。

论文直接指出，未观察到碰撞应被理解为这些仿真中的经验结果，而不是避免碰撞的形式化保证。有两个细节解释了原因。第一，记录的碰撞时间由控制前状态的瞬时相对速度和碰撞椭圆计算，而规划器沿其预测轨迹评估风险，因此报告的最小 TTC 可以低于 5 s 的惩罚阈值而不违反硬约束，因为该问题并未施加此类约束。在最终权重评估中，Alice-high 的平均片段最小 TTC 最小，为 1.550 s。第二，标称车辆运动限制在学习控制步中被超出 86 次，在评估控制步中被超出 20 次；在这 106 次中，90 次出现在数值规划器回退期间，16 次出现在安全监督器介入期间。记录到的最大横向加速度幅值为 11.706 m/s^2，而标称限制为 2.2 m/s^2，因此标称优化轨迹满足规划约束，并不保证回退或覆盖之后仍满足这些约束。

加速度与 MISC 特征不可互相替代

特征消融用两个简化偏好模型重复了完整的 256 片段学习流程和固定种子评估：V A 只保留速度和加速度，VM 只保留速度和 MISC，两个简化模型中两个权重都初始化为均匀的 0.5。在 VM 中去掉加速度特征使总体 RMS 加速度升至 0.719 m/s^2，而完整模型为 0.561 m/s^2，V A 为 0.554 m/s^2，说明显式加速度特征影响所得闭环轨迹的平滑程度。

在 V A 中去掉 MISC 特征，使 12 个 Zoey 评估片段中出现两次晕车阈值越界，而完整模型为一次，VM 为零次。V A 确实在全部四个 Zoey-high 评估片段中避免了阈值越界，因此加速度调节在某些实现中可以间接减少晕车累积，但论文并不把加速度视为显式 MISC 特征的一致替代。消融也削弱了“特征越多越好”的简单解读：完整三特征模型只在九个情景中的一个取得最高四种子平均情绪，而 V A 和 VM 各在四个情景中取得。由于加速度也会影响后续晕车，这些特征在一个片段内相互关联，不同的权重分配可以解释相似的成对比较；作者建议用更多数据、更丰富的偏好反馈或偏好模型中更多的结构来改善可辨识性。

阈值情景决定如何解读结果

这篇论文中最具决策相关性的区分不在乘客之间，而在于学到的加权目标是否保持在明显症状阈值以下的情景，以及没有保持住的那一个情景。Zoey-low 和 Zoey-medium 在评估片段中 MISC 状态低于明显症状阈值，同时提升了平均速度和平均情绪。Zoey-high 提升了平均速度，却在一个片段上失败，而这一单次失败主导了四种子均值。

这一对比为读者设定了优先级：该框架的价值取决于乘客偏好是平滑的还是阈值式的，因为当前的偏好学习机制并未把 M < 1 作为约束，一个在许多片段上表现良好的权重向量仍可能无法阻止单次阈值越界。论文自己提出的后续方向也沿同一区分展开，指向真人受试者反馈、晕车估计中的不确定性，以及能更好表示阈值依赖和时变乘客反应的偏好模型。在这些问题解决之前，所报告的增益应被理解为三个乘客画像在三种易感性水平下的仿真结果，而不是经过验证的个性化保证。

本文引用的文献