El desarrollo de vehículos autónomos es una actividad compleja, que plantea desafíos éticos, de seguridad, ciberseguridad y aceptación social. Este último, en particular, plantea nuevos problemas ya que los pasajeros están acostumbrados a los vehículos conducidos manualmente; por lo tanto, necesitan transferir su confianza de una persona a una computadora. Para facilitar la transición hacia los vehículos autónomos, se debe realizar una calibración delicada de las funciones de conducción, tomando la decisión de automatización más cercana a las expectativas de los pasajeros. La complejidad de esta calibración radica en la presencia de una persona en el proceso: diferentes configuraciones de un algoritmo dado deben ser evaluadas mediante la evaluación de la reacción humana a las decisiones del vehículo. Con este trabajo, proponemos un método objetivo para clasificar la reacción de las personas ante las decisiones del vehículo. Al adoptar técnicas de aprendizaje automático, es posible analizar las emociones de los pasajeros mientras conducen con calibraciones de vehículos alternativos. A través del análisis de estas emociones, es posible obtener una métrica objetiva sobre la sensación de comodidad de los pasajeros. Como resultado, desarrollamos una implementación de prueba de concepto de un sistema de reconocimiento de emociones simple, pero efectivo. Puede ser implementado tanto en vehículos reales como en simuladores, durante la calibración de las funciones de conducción.