不完全・ノイズ下の自律ロボットのためのベイズ推論フレームワーク：自動カジュアルティ・トリアージ

要旨: 大量死傷事案（MCI）で展開される自律ロボットは、不完全でノイズの多い知覚データに基づいて重要な意思決定を行うという課題に直面します。本稿では、複数の視覚ベースのアルゴリズムの出力を統合し、重度の出血、目に見える外傷、または身体的な警戒状態の兆候を推定することで、統一されたトリアージ評価へとまとめ上げる、自律ロボットによる死傷者評価システムを提案します。提案システムの中核には、専門家が定義したルールから構築されるベイズネットワークがあり、感覚入力が欠落している場合や矛盾している場合でも、死傷者の状態について確率的推論を可能にします。本システムは、DARPA Triage Challenge（DTC）において、11人および9人の死傷者を含む現実的なMCIシナリオで評価され、視覚のみのベースラインと比べて生理学的評価の精度がほぼ3倍に向上しました（15\%から42\%、19\%から46\%）。より重要なのは、全体のトリアージ精度が14\%から53\%へと増加した一方で、システムの診断カバレッジが事例の31\%から95\%へと拡大したことです。これらの結果は、専門家が導く確率的推論と、高度な視覚ベースのセンシングを統合することで、現実の重要なアプリケーションにおける自律システムの信頼性と意思決定能力を大幅に高め得ることを示しています。