2025 年 3 月 19 日，在第五届中国汽车人机交互与体验设计创新大会上，捷豹路虎自动驾驶产品体验专家赵雨欣通过构建一个虚构用户在使用自动驾驶系统的场景，揭示了当前智能驾驶体验中存在的问题，并以此为出发点，提出了三个创新点以提升行车体验。

首先，通过增加智能驾驶的体验价值，使系统更富吸引力；其次，优化人机交互方式，构建相互理解的体系，让用户能直观理解系统行为，产生信任；第三，推动自动驾驶系统从被动响应向主动合作转变，让用户能自由表达需求，系统则根据情境提供定制化方案。

赵雨欣 | 捷豹路虎自动驾驶产品体验专家

以下为演讲内容整理：

我们构想一个场景，主人公名为 Sai，他今日提前结束了工作日程，计划与一位朋友共进晚餐，预计驾车需耗时 1 小时 20 分钟。我们将通过模拟用户与系统间的对话形式，详细描绘 Sai 在此行程中可能遭遇的情境，以及他与系统之间的协商与交流过程。此处的对话是一种概念性的探讨，旨在深入理解交互的逻辑框架。

当车辆驶入自动驾驶技术可应用的区域时，系统主动询问是否需要激活该功能。Sai 向系统提出疑问：" 我的时间较为紧张，智能驾驶系统能否协助我提升行程效率？" 系统随即回应，建议开启高效模式，并预估能提前 30 分钟抵达目的地。对此，Sai 表示同意：" 好的，请开启高效模式。" 随后，车辆进入城市快速路段，系统提示，在高效模式下，将助力他迅速且安全地穿越该路段。

此时，Sai 收到了朋友的消息，让他在途中帮忙购买一个蛋糕。Sai 答应了这一请求。系统捕捉到这一需求后，迅速进行分析，并提问：" 在接近目的地时，我们会经过两家蛋糕店，是否需要选择其中一家进行停靠？"

Sai 说选择第一家蛋糕店，系统随即回应：" 好的，正在重新规划路径，预计 55 分钟后到达 Sunflour（Sai 选择的蛋糕店）。" 同时，系统提醒：" 为到达指定地点，将提前驶出高架路段。当前道路情况较为复杂，请密切关注路面动态。"

在行驶过程中，出现了一个突发状况：系统变道失败。面对这一紧急情况，Sai 迅速接管了驾驶权。此时，车内响起了警报声，灯光闪烁，并伴随有明确的提示信息。系统立即进入待命状态，并告知：" 智能驾驶系统已待命，您可通过拨杆随时恢复自动驾驶功能。" 意识到在路口发生了潜在危险，Sai 要求系统：" 请将前五分钟的接管情况上传。" 这一举动旨在保存这一段驾驶记录，以便后续分析或参考。

系统提示即将到达目的地，并提供了几种停车选择，一是地下停车库，二是路边停车位，三是室外停车点，这些选项与 Sai 的当前位置距离各异，系统询问应停于何处，高效模式推荐首个选项。Sai 回应道：" 选择第一个选项，并利用代客泊车功能寻找一个距离 Cathy 家最近且配备充电桩的停车位。"

图源：演讲嘉宾素材

行程结束后，系统汇总了此次智能驾驶的相关信息：行驶里程增加了 27 公里，整体安全系数及用户信任度均保持在较高水平，期间发生了 2 次用户接管。以上便是 Sai 在使用自动驾驶系统过程中所经历的一系列事件。此片段为虚构内容，我们目前并未向用户提供此类体验。

如果各位对自动驾驶技术有所了解，或许能在一定程度上感知到，我们现有的智能驾驶体验与上述展示的理想体验之间的差距。正是基于这一认知，我们希望通过此次探讨，提出三个我们认为能够提升自动驾驶行车体验的创新点。

一是 "make it fun"，增加智能驾驶的体验价值，使系统变得更有趣、更有温度。二是 "make it understandable"，优化人机交互的方式，构建系统与用户之间的相互理解体系。三是 "make it grow"，形成智驾的生态，让智驾成为车机和用户的生态的一个部分。

关于 "Make it Fun"，目前在 4S 店购车时，消费者可能会询问车辆是否具备自动泊车、遥控泊车等功能。当我们将关注点聚焦于这些功能的体验上时，便会遇到路径规划的准确性、障碍物识别的准确性、功能的可用性、稳定性、速度控制以及 HMI 设计等问题。HMI 在这些小型功能子集中所扮演的角色主要是对功能的开启、关闭、中断、升降级以及当前状态进行传达。我们的工作重点在于深入理解每个功能的边界条件，并通过一种有效的方式将这些边界条件清晰地传达给用户。

在当前的阶段，我们面临着诸多技术上的限制，如速度控制、操控性以及稳定性等方面，尚未达到我们理想中的智能驾驶体验。因此，HMI= 的一个重要任务便是将这些不够流畅的体验变得更加顺畅。

另外是场景驱动带来的体验优化。我们针对城市高速、低速行驶以及泊车等大的场景进行了深入探讨，并在这些大场景下设置了一系列小的具体场景，例如陌生停车场的代客泊车、拥堵路段的通行、高速和封闭道路的行驶、隧道和黑暗中的驾驶、不良天气条件下的行车以及行车与泊车之间的平滑切换等。这些场景驱动的优化意味着，随着我们的功能和技术不断迭代更新，每个子功能本身应当有一个覆盖场景的延伸。以记忆泊车为例，我们思考其更复杂的使用场景，如陌生停车场的代客泊车，并分析这些具体场景如何影响用户体验。我们要通过这种方式不断优化和改进智能驾驶的体验。

还有一个方面是场景驱动所带来的新功能需求与形态的创新。以 SRview 为例，我们可以在此基础上进行一系列创新尝试。在行车过程中，有人可能会质疑在 SRview 中展示建筑物的必要性，认为这是否为一个实际需求。对此，我们进行了深入思考。如果能在建筑物上叠加 POI 信息，是否能让驾驶者与周边建筑在自动驾驶过程中产生更多互动？这种思考方式正是场景驱动所激发的新功能形态与创新。

还有功能的融合关系与平滑转化。随着技术的不断进步，各个子功能的功能边界正在逐渐扩大，它们之间开始产生交集，涉及接管、功能升降级等，这些界限变得愈发模糊，特别是行车与泊车之间的界限，也在逐渐淡化。我们需要深入理解这些体验，确保它们之间的转化过程更加流畅与无缝。

如何让智能驾驶为我们创造真正的价值？主要涵盖三个方面：与生活及使用场景的融合、为车辆增添附加价值，以及提升情绪价值。

智驾若仅停留于冰冷的操作层面，如简单按下按钮实现从 A 到 B 的移动，而未深入理解用户为何使用该功能，则难以体现其真正价值。用户在使用智能驾驶时，追求的不仅是更高的出行效率，还期望体验到系统带来的平稳、舒适驾驶感受，甚至超越自己驾驶的能力。当用户疲惫不堪，渴望放松时，智能驾驶应能成为他们减轻负担、享受旅途的得力助手。在此背景下，我们不仅要关注软件层面的革新，还需审视内饰设计、车辆形态及整体功能布局的变化。

用户真正期望获得的 ADAS 体验，是能够直观感受到高阶 ADAS 功能与其个人使用习惯、生活方式偏好之间的深度融合，并因此愿意频繁使用智能驾驶功能。如果用户体验不佳，高阶辅助驾驶未能有效伴随用户的出行过程，其实际价值将大打折扣。在许多情境下，手动驾驶或普通辅助驾驶功能反而能更迅速、安全地将用户送达目的地。

要将当前不太理想的体验转变为用户所期望的体验，可以考虑模块化的功能设计。模块化的功能设计通过运用 " 高效 "、" 舒适 "、" 娱乐 " 等词汇，代表了一种体验价值，这种价值是用户能够直观感受到的，而非仅仅是数字化指标，如车速 60 公里 / 小时等，这些对用户而言意义有限。

此外，正如前面提到的 " 买蛋糕 " 的例子，这展示了 AI 可以为我们做的一件事：它有能力跨越应用程序的界限，捕捉用户的真实需求，并简化操作步骤。在 HMI 中，我们获取了用户的需求，随后，智能驾驶系统捕捉到了这一需求，并以某种方式作出回应。

关于 "make it understandable"，下图提供了一个很好的模型，有助于我们阐释在整个框架内，人与系统之间的交互关系。我们依据用户主导交互与系统主导交互这两个维度，划分出四个象限，分别代表建议、合作、授权和控制四种交互模式。

" 建议 " 是指系统会根据用户当前的需求与情境提出相应的建议，用户的主要任务是确认并执行该建议。另一种情况是，系统结合用户传达的需求与当前情境，生成一个建议，但用户选择直接控制系统进行操作。

" 控制 " 不存在任何协商过程，用户直接操控系统以完成任务，包括操纵方向盘、接管驾驶、打断自动驾驶流程以及踩踏刹车等操作，所有这些控制方式均归属于这一维度。

" 授权 " 下，系统根据当前情境展示一个状态，用户根据这一状态发出指令，随后系统执行用户的指令。这一模式在 L2 及以下自动驾驶系统，甚至是许多 L2+ 级功能的交互设计中均十分普遍。系统通常会通过不同的图标来表示功能的不同状态，每个颜色代表特定的意义，每个状态则对应特定的功能状态，用户需根据系统显示的状态来决定采取何种行动。这一过程看似是你来我往的过程，实则是弱交互。为了更深入地理解这种弱交互，我们可以将其与最后一个象限 " 合作 " 进行对比分析。

所谓 " 合作 "，并非仅指汽车向用户报告当前状态，而是用户能够清晰、准确地传达自己即时的需求，系统则根据这些需求与当前情境综合考量，生成一个执行方案，用户仅需决定是否执行该方案即可。

我们认为，在当今时代，对于智能驾驶功能的传达，应当从 " 授权 " 模式转变为 " 合作 " 模式。这涉及两种方式：一是系统需能够清晰、明确地阐述其决策意图，使用户能够直观理解系统的行为模式，从而建立起充分的信任；二是用户应能采用自由、灵活的方式表达自身需求，系统则能基于这些需求直接推导出建议或解决方案。

首先，一个良好的体验是，用户能感受到 ADAS 很好地陪伴并辅助了其行程，用户能理解 ADAS 的角色定位、状态唤醒、开启与关闭方式，并对功能的整体表现持有合理的预期，这有助于增强用户对系统的信任。相反，如果 ADAS 未能很好地陪伴用户的行程，用户难以理解其开启与使用方法，对系统的表现缺乏合理预期，那么用户就不太可能倾向于使用这一功能。此外，系统还应能够清晰地传达其优势与效果。例如，当系统提示用户可以打开高效模式时，应进一步说明预计可以提早到达的时间，这实际上是系统向用户明确传达了开启该功能后所能获得的益处。

"make   it   grow" 即构建一个智能驾驶生态系统，使智能驾驶产品成为车载信息系统与用户生态的有机组成部分。当我们讨论产品的生态与迭代，特别是与人工智能技术的结合时，两大关键要素不可或缺，一是适应性，二是个性化。我们的产品应随时间推移而逐渐演变，通过不断的优化与创新，催生更加出色的产品与体验，从而增强用户的依赖与喜爱。

另一方面是生态化的发展，涉及用户社群的建设。从新手用户出发，通过体验的不断提升与重塑，以及反复的反馈循环，用户逐渐转变为常规用户，并最终成长为高级用户。随着高级用户的增多，将形成一个用户社群。这个社群可能形成一个正向循环，吸引并催生更多的使用者。

回到一开始模拟的场景，当 Sai 从朋友家离开后，他遇到了几个新的场景。首先，在通过拥堵路段时，系统自动开启了智能驾驶的舒适模式，预计通过时间为 30 分钟。系统还提供了其他模式供选择，并询问 Sai 是否想在劳累一天后听音乐放松，Sai 表示同意，并让系统播放他的歌单。此时，在拥堵的路段中，Sai 无需手握方向盘，可以做其他事情，直到系统顺利通过复杂路段后，提醒用户进入复杂路段，请保持对路面的关注。

此时，天空开始下雨，用户观察到这一变化后，对于智能驾驶系统能否安全带他通过这段路程产生怀疑，因此决定亲自接管驾驶。然而，智能驾驶系统及时告知用户，它已自动调整至平稳模式，通过轻微降速来确保行车安全，并预计到达时间将因此推迟 40 分钟。这一举措实际上是在重新建立用户对智能驾驶系统的信任，系统向用户传达了一个明确的信息，即使在黑夜且下雨的条件下，它依然能够保持出色的性能，请用户放心并继续将接下来的旅程交给它。

行程结束时，智能驾驶系统的里程数有所增加，同时保持了较高的安全系数和用户信任度。在整个行程中，用户接管驾驶一次。

总体而言，我们需深入思考 AI 对用户体验的影响。在许多情况下，我们聚焦于如何将 AI 技术融入技术生态中，如何理解我们的视觉方案及其背后的算法，以及如何通过 AI 提升功能性能体验，或是与座舱功能实现直接结合。然而，有一个关键问题往往被我们忽视，即我们真正在定义的是 AI 时代下人与机器之间交互的新模式。如果我们能清晰认识到这一点，我们所能创造出的用户体验将会更加出色。

（以上内容来自捷豹路虎自动驾驶产品体验专家赵雨欣于 2025 年 3 月 19 日在第五届中国汽车人机交互与体验设计创新大会发表的《探索 AI 时代的智能驾驶体验创新》主题演讲。）