論文の概要: Effort-Based Criticality Metrics for Evaluating 3D Perception Errors in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2603.28029v1
• Date: Mon, 30 Mar 2026 04:46:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.231478
• Title: Effort-Based Criticality Metrics for Evaluating 3D Perception Errors in Autonomous Driving
• Title（参考訳）: 自律運転における3次元知覚誤差評価のための努力に基づく臨界度測定
• Authors: Sharang Kaul, Simon Bultmann, Mario Berk, Abhinav Valada,
• Abstract要約: 時間対衝突のような臨界度は衝突の緊急度を定量化するが、知覚エラーの結果を説明できる。 本稿では,False Speed ReductionとMaximum Deceleration Rateの2つの新しい取り組みベースの指標を提案する。 3つの指標はいずれも、確立された時間ベース、減速ベース、あるいは正規化臨界対策に到達できない安全関連情報を捉えている。
• 参考スコア（独自算出の注目度）: 14.590459688780205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Criticality metrics such as time-to-collision (TTC) quantify collision urgency but conflate the consequences of false-positive (FP) and false-negative (FN) perception errors. We propose two novel effort-based metrics: False Speed Reduction (FSR), the cumulative velocity loss from persistent phantom detections, and Maximum Deceleration Rate (MDR), the peak braking demand from missed objects under a constant-acceleration model. These longitudinal metrics are complemented by Lateral Evasion Acceleration (LEA), adapted from prior lateral evasion kinematics and coupled with reachability-based collision timing to quantify the minimum steering effort to avoid a predicted collision. A reachability-based ellipsoidal collision filter ensures only dynamically plausible threats are scored, with frame-level matching and track-level aggregation. Evaluation of different perception pipelines on nuScenes and Argoverse~2 shows that 65-93% of errors are non-critical, and Spearman correlation analysis confirms that all three metrics capture safety-relevant information inaccessible to established time-based, deceleration-based, or normalized criticality measures, enabling targeted mining of the most critical perception failures.
• Abstract（参考訳）: TTC(Time-to-collision)のような臨界度は衝突の緊急度を定量化するが、偽陽性(FP)と偽陰性(FN)の知覚誤差の結果を説明できる。 本稿では,False Speed Reduction (FSR) と持続ファントム検出による累積速度損失,MDR (Maximum Deceleration Rate) の2つの新しい手法を提案する。 これらの縦方向の指標は、横方向のエスカレーション加速(LEA)によって補完され、事前の回避運動から適応し、到達可能性に基づく衝突タイミングと組み合わせて、予測された衝突を避けるための最小のステアリング労力を定量化する。 到達性に基づく楕円型衝突フィルタは、フレームレベルのマッチングとトラックレベルのアグリゲーションによって動的にプラウチブルな脅威のみを出力することを保証する。 nuScenesとArgoverse~2の異なる知覚パイプラインの評価は、65～93%のエラーが非クリティカルであることを示し、スピアマン相関分析は、3つの指標がいずれも、確立された時間ベース、減速ベース、あるいは正常化された臨界度尺度に到達できない安全関連情報をキャプチャーし、最も重要な知覚障害のターゲットマイニングを可能にすることを確認している。

関連論文リスト

• Shifting Uncertainty to Critical Moments: Towards Reliable Uncertainty Quantification for VLA Model [10.781664119473966]
  本稿では,ロールアウトの成功と失敗を予測するための統一的不確実性定量化手法を提案する。 本手法は, 故障予測精度を大幅に向上し, 故障検出のための信頼性の高い信号を得る。
  論文  参考訳（メタデータ） (2026-03-18T22:52:03Z)
• Predict and Resist: Long-Term Accident Anticipation under Sensor Noise [14.759047709239788]
  事故予測は積極的で安全な自動運転に不可欠である。 現実の展開を妨げる2つの重要な課題は、天候、動きのぼかし、ハードウェアの制限によるノイズや劣化した感覚入力である。 本稿では,これらの課題に対処するために,拡散に基づくデノベーションと時間認識アクター批判モデルを統合する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-10T11:41:43Z)
• ROAR: Robust Accident Recognition and Anticipation for Autonomous Driving [17.936492070548]
  既存の手法では、センサーの故障、環境障害、データ不完全性といった課題を克服し、理想的な条件を想定することが多い。 本研究は,事故検出と予測のための新しいアプローチであるROARを紹介する。 ROARは、自己適応型オブジェクト認識モジュールである離散ウェーブレット変換(DWT)と、これらの課題に取り組むための動的焦点損失を組み合わせたものである。
  論文  参考訳（メタデータ） (2025-11-09T04:55:37Z)
• Accident Anticipation via Temporal Occurrence Prediction [15.813749445439292]
  事故予測は、潜在的な衝突をオンラインで予測することを目的としており、タイムリーな警報によって道路の安全性を高めることができる。 既存の手法では、リスクの指標としてフレームレベルのリスクスコアを予測するのが一般的である。 本稿では,予測対象を現在のフレームリスクスコアから,将来の複数段階における事故スコアを直接推定するパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-25T11:57:22Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
  TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。 我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。 並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
  論文  参考訳（メタデータ） (2025-08-28T07:09:21Z)
• Temporal Misalignment Attacks against Multimodal Perception in Autonomous Driving [23.83773255227831]
  DejaVuは車載ネットワークを利用して、センサストリーム間の遅延を誘導し、微妙な時間的ミスアライメントを生成する攻撃である。 包括的攻撃分析により,センサのタスク特異的な不均衡感が明らかになった。 シングルフレームのLiDAR遅延では、攻撃者は車検出のmAPを最大88.5%削減し、3フレームのカメラ遅延、車滴の多重物体追跡精度(MOTA)を73%削減できる。
  論文  参考訳（メタデータ） (2025-07-12T00:44:26Z)
• Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
  教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。 最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。 本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
  論文  参考訳（メタデータ） (2023-07-28T09:03:06Z)
• Seeing is not Believing: Robust Reinforcement Learning against Spurious Correlation [57.351098530477124]
  国家の異なる部分には、保存されていない共同設立者が引き起こす相関関係が存在しない。 このような役に立たないあるいは有害な相関を学習するモデルは、テストケースの共同創設者がトレーニングケースから逸脱したときに破滅的に失敗する可能性がある。 したがって、単純かつ非構造的な不確実性集合を仮定する既存の頑健なアルゴリズムは、この問題に対処するには不十分である。
  論文  参考訳（メタデータ） (2023-07-15T23:53:37Z)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。