論文の概要: Scenario-Independent Criticality Assessment and Prediction for Vulnerable Road Users in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2609.11947v1
• Date: Fri, 24 Jul 2026 13:44:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.500495
• Title: Scenario-Independent Criticality Assessment and Prediction for Vulnerable Road Users in Autonomous Driving
• Title（参考訳）: 自律運転における危険道路利用者のシナリオ非依存的臨界度評価と予測
• Abstract要約: 脆弱な道路利用者(VRU)に適した新しい臨界度指標を提案する。 シナリオ固有のメトリクスによってもたらされる複雑さを回避するため、シナリオに依存しない臨界予測フレームワークを導入する。 提案したVRU中心臨界度測定と臨界予測フレームワークの有効性を評価する。
• 参考スコア（独自算出の注目度）: 0.6430755818515802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasing safety is the primary objective of automated vehicles. Achieving this goal requires reliable safety metrics that incorporate safety-relevant factors such as object type, velocity, and criticality. A key capability of such metrics is the distinction between critical and non-critical objects, which is addressed through criticality or relevance estimation. Existing criticality metrics are typically designed for specific scenarios and primarily focus on vehicle-to-vehicle interactions. In this paper, we therefore propose a novel criticality metric tailored to vulnerable road users (VRUs), which require special consideration due to their less predictable motion behavior. Furthermore, to avoid the complexity introduced by scenario-specific metrics, we introduce a scenario-independent criticality prediction framework applicable to all traffic participant classes. The effectiveness of both the proposed VRU-centric criticality metric and the criticality prediction framework is evaluated using the DeepAccident dataset, which contains a diverse set of safety-critical traffic scenarios. The proposed VRU-centric criticality metric improves pedestrian criticality classification performance by up to 50 %. In addition, the proposed criticality prediction framework outperforms state-of-the-art metrics by 275 %, achieving an F1-score of 0.96 and enabling scenario-independent criticality assessment across all object classes. These results demonstrate the strong potential of the proposed approaches to enhance criticality assessment for safety evaluation in automated driving systems.
• Abstract（参考訳）: 安全性の向上が自動走行車の主要な目的である。 この目標を達成するには、オブジェクトタイプ、ベロシティ、臨界といった安全関連要素を取り入れた信頼性の高い安全指標が必要です。 このようなメトリクスの重要な能力は、臨界物と非臨界物とを区別することであり、これは臨界物または関連性の推定を通じて対処される。 既存の臨界度メトリクスは、通常、特定のシナリオのために設計され、主に車両と車両の相互作用に焦点を当てます。 そこで本稿では,危険道路利用者(VRU)に適した新しい臨界度尺度を提案する。 さらに、シナリオ固有のメトリクスによってもたらされる複雑さを避けるため、シナリオに依存しない臨界予測フレームワークを全てのトラフィック参加者クラスに適用する。 提案したVRU中心臨界度測定と臨界予測フレームワークの有効性を,さまざまな安全クリティカルトラフィックシナリオを含むDeepAccidentデータセットを用いて評価する。 提案したVRU中心臨界度計は、歩行者臨界度分類性能を最大50%向上させる。 さらに、提案した臨界予測フレームワークは、最先端のメトリクスを275パーセント上回り、F1スコアの0.96を達成し、すべてのオブジェクトクラスにわたってシナリオに依存しない臨界評価を可能にする。 これらの結果は,自動走行システムにおける安全性評価の臨界度評価を強化するための提案手法の強い可能性を示している。

関連論文リスト

• C-CoT: Counterfactual Chain-of-Thought with Vision-Language Models for Safe Autonomous Driving [5.963051368087439]
  本稿では,運転決定を5段階に分解する反ファクト・チェーン・オブ・シント(C-CoT)フレームワークを提案する。 本稿では, 代替アクションの組み合わせによる潜在的影響を明確に評価するために, メタアクション評価ツリーを構築した。 この自己回帰推論は、行動選択と安全結果の因果関係を確立し、長い尾とアウト・オブ・ディストリビューションのシナリオにおける堅牢性を改善する。
  論文  参考訳（メタデータ） (2026-05-11T15:45:00Z)
• EPSM: A Novel Metric to Evaluate the Safety of Environmental Perception in Autonomous Driving [0.5314069314483559]
  認識システムの全体的な性能だけでなく,安全性も評価することが重要である。 本稿では,最も重要な知覚課題,物体,車線検出を共同評価するための新しい安全基準を提案する。 提案フレームワークは,オブジェクト検出エラーに伴う潜在的なリスクを定量化する,新しい軽量なオブジェクト安全性指標を統合する。
  論文  参考訳（メタデータ） (2025-12-17T08:46:49Z)
• Criticality Metrics for Relevance Classification in Safety Evaluation of Object Detection in Automated Driving [0.5701177763922466]
  安全性評価の鍵となる要素は、関連するオブジェクトと非関連オブジェクトを区別する能力である。 本稿では,オブジェクト検出システムの安全性評価のための臨界度指標の詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-12-17T08:28:53Z)
• Measuring What Matters: Scenario-Driven Evaluation for Trajectory Predictors in Autonomous Driving [8.115144579497644]
  本稿では,予測器の性能を精度と多様性の2次元で適応的に評価する包括的パイプラインを提案する。 実世界のデータセットを用いたクローズドループベンチマークの実験は、パイプラインが従来のメトリクスよりも合理的な評価を得られることを示している。
  論文  参考訳（メタデータ） (2025-12-13T06:48:32Z)
• Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
  我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。 エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。 我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
  論文  参考訳（メタデータ） (2024-09-26T21:00:45Z)
• Risk-Aware Vehicle Trajectory Prediction Under Safety-Critical Scenarios [25.16311876790003]
  本稿では,安全クリティカルシナリオに適したリスク対応軌道予測フレームワークを提案する。 安全クリティカルな軌道予測データセットと調整された評価指標を導入する。 その結果,モデルの性能が向上し,ほとんどの指標が大幅に改善した。
  論文  参考訳（メタデータ） (2024-07-18T13:00:01Z)
• ASSERT: Automated Safety Scenario Red Teaming for Evaluating the Robustness of Large Language Models [65.79770974145983]
  ASSERT、Automated Safety Scenario Red Teamingは、セマンティックなアグリゲーション、ターゲットブートストラップ、敵の知識注入という3つの方法で構成されている。 このプロンプトを4つの安全領域に分割し、ドメインがモデルの性能にどのように影響するかを詳細に分析する。 統計的に有意な性能差は, 意味的関連シナリオにおける絶対分類精度が最大11%, ゼロショット逆数設定では最大19%の絶対誤差率であることがわかった。
  論文  参考訳（メタデータ） (2023-10-14T17:10:28Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• Learning Uncertainty For Safety-Oriented Semantic Segmentation In Autonomous Driving [77.39239190539871]
  自律運転における安全クリティカル画像セグメンテーションを実現するために、不確実性推定をどのように活用できるかを示す。 相似性関数によって測定された不一致予測に基づく新しい不確実性尺度を導入する。 本研究では,提案手法が競合手法よりも推論時間において計算集約性が低いことを示す。
  論文  参考訳（メタデータ） (2021-05-28T09:23:05Z)

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。