共分散リスクチューブ予測による、不確実性を考慮した視覚ベースのリスク物体の同定

要旨: 本研究では、知能運転システムにおける危険検出のための重要な能力である、物体重要度に基づくビジョンリスクの物体識別（Vision-ROI）を研究します。既存の手法は決定論的な判断を行い、不確実性を無視しているため、安全に重大な失敗につながる可能性があります。具体的には、曖昧な状況では、固定された意思決定閾値がリスク検出を早めたり遅らせたりし、特に複数のリスクが相互に作用する複雑なシーンにおいて、時間的に不安定な予測を引き起こし得ます。これらの課題にもかかわらず、現在の手法には、空間と時間の両方にわたってリスク不確実性を共同でモデル化するための原理に基づく枠組みが欠けています。そこで本研究では、Conformal Risk Tube Prediction（整合的リスクチューブ予測）を提案します。本手法は、時空間におけるリスク不確実性を捉える統一的な定式化を行い、真のリスクに対するカバレッジ保証を提供し、不確実性推定を伴う較正済みのリスクスコアを生成します。体系的な評価を行うために、本研究では新しいデータセットと指標を提示します。これは、既存データセットでは対応していない、多リスクの結合効果を伴う多様なシナリオ構成を精査するものです。さらに、シナリオの変動、リスクごとのカテゴリ挙動、知覚誤差の伝播など、不確実性推定に影響する要因を体系的に分析します。本手法は、先行手法に比べて大幅な改善をもたらし、Vision-ROIの頑健性および下流性能を向上させます（例：不要なブレーキ警報の低減）。より定性的な結果については、プロジェクトのWebページをご覧ください: https://hcis-lab.github.io/CRTP/