RACF：物体距離補正を備えたレジリエントな自律走行車フレームワーク

arXiv cs.RO / 2026/4/15

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

RACF（Resilient Autonomous Car Framework）は、深度カメラ・LiDAR・物理ベースの運動学を冗長かつ多様に組み合わせることで、自動運転の知覚層の頑健性を高める枠組みを提案しています。
深度カメラによる障害物距離推定が他センサー等と矛盾した場合に、クロスセンサーのゲートでODCA（Object Distance Correction Algorithm）を起動し、不整合を補正する仕組みになっています。
Quanser QCar 2上のテストベッドで実験し、強い破損（corruption）下でRMSEを最大35%低減し、停止遵守（stop compliance）やブレーキの遅延時間を改善しつつリアルタイム動作を維持したと報告しています。
環境劣化や敵対的摂動に対して、従来の“反応遅れ”が起きがちな防御ではなく、軽量で実運用に近い知覚レジリエンス手法を示す点がポイントです。