論文の概要: Uncertainty Evaluation to Support Safety of the Intended Functionality Analysis for Determining the Applicability of Performance Targets Across Triggering Conditions in ML-Based LiDAR Object Detection

• arxiv url: http://arxiv.org/abs/2610.35092v1
• Date: Mon, 26 Oct 2026 09:32:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.814068
• Title: Uncertainty Evaluation to Support Safety of the Intended Functionality Analysis for Determining the Applicability of Performance Targets Across Triggering Conditions in ML-Based LiDAR Object Detection
• Title（参考訳）: MLベースLiDARオブジェクト検出におけるトリガ条件における性能目標の適用性決定のための意図的機能解析の安全性向上のための不確実性評価
• Abstract要約: LiDARポイントクラウドは、承認された検出間の間違った検出のフレーム毎の平均シェアの制限であるパフォーマンスターゲットを満たすことができる。 ある条件のデータ上で選択された閾値は、その選択データのように分散されたデータに対してのみ統計的保証を有する。 テストは、対象がそこに適用可能か、適用可能か否かを判定し、下位境界は、適用可能な結果を必要とする独立ユニットをカウントする。
• 参考スコア（独自算出の注目度）: 0.34376560669160394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For safety of the intended functionality (SOTIF) analysis according to ISO 21448, a machine learning object detector for light detection and ranging (LiDAR) point clouds can meet a performance target, a limit on the mean per-frame share of wrong detections among accepted detections, by rejecting detections above an uncertainty threshold. A threshold selected on data of one condition carries a statistical guarantee only for data distributed like its selection data, whereas SOTIF analysis covers every triggering condition. This paper presents an uncertainty evaluation in which the threshold is transferred into a triggering condition, a test decides at a stated error probability whether the target is applicable there, not applicable or not determined, and a lower bound counts the independent units an applicable outcome requires. For PointPillars ensembles on KITTI and nuScenes, counted in recorded sequences, as the dependence between frames requires, neither dataset held enough independent units for any target limit, and no transfer had a not applicable outcome. Counted in frames, the same data gave not applicable outcomes at limits fixed in advance after transfers into far distance, into rain and between two separately trained detectors, thresholds that met the target limit after a transfer rejected most correct detections, and in rain the area under the receiver operating characteristic curve did not decrease. A performance target met under one condition therefore counts as evidence under a triggering condition only after a test there, reported with its share of accepted correct detections and its number of independent recorded sequences.
• Abstract（参考訳）: ISO 21448によると、意図された機能解析(SOTIF)の分析の安全性のために、光検出および測光(LiDAR)点雲の機械学習オブジェクト検出器は、不確かさ閾値以上の検出を拒絶することにより、検出された検出のうちの間違った検出のフレーム当たりの平均シェアの制限を達成できる。 1つの条件のデータで選択されたしきい値は、その選択データのように分散されたデータに対してのみ統計的な保証を与えるが、SOTIF分析はすべてのトリガー条件をカバーする。 本稿では、しきい値がトリガー条件に転送される不確実性評価を行い、対象値が適用可能か否か、未決定か否かを判定し、下位境界が適用可能な独立単位をカウントする。 KITTI と nuScenes のアンサンブルは、フレーム間の依存が要求されるため、記録されたシーケンスにカウントされている。 また, 遠距離移動後, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降雨時, 降水 そのため、1つの条件で満たされたパフォーマンスターゲットは、テスト後にのみトリガー条件下で証拠としてカウントされ、受け入れられた正しい検出と独立した記録シーケンスの数で報告される。

関連論文リスト

• Conditional validity of quantum event classifiers under collider systematics and quantum estimation uncertainty [0.0]
  量子機械学習分類器に関する主張は、ターゲットデータシフトや有限ショット量子評価がモデル自体をランダムにする場合に失敗する可能性がある。 我々は,情報条件付き,フェールクローズドな監査フレームワークを開発し,サポートされた,反証された,未解決の評定を返却する。
  論文  参考訳（メタデータ） (2026-09-02T16:14:58Z)
• The conditional-mean barrier: From deterministic regression to conditional distribution learning [6.160113667162026]
  このチュートリアルでは、条件-平均障壁を中心とした自己完結モジュールを開発する。 平方損失予測器に潜在ランダム性を加えると、条件平均に戻る。 我々は,否定的対数類似度,モーメントとオブザーバブルマッチング,変分目的,逆数分岐,スコアマッチングなどの共通分布目的を短時間に整理する。
  論文  参考訳（メタデータ） (2026-05-27T07:31:42Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Deployment Prior Injection for Run-time Calibratable Object Detection [58.636806402337776]
  検出器に追加のグラフ入力を導入し、事前にグラフが配置コンテキストを表す。 テストフェーズでは、事前に適切なデプロイメントコンテキストをグラフ編集を通じて検出器に注入することができる。 事前の配置が分かっていない場合でも、検出器は独自の予測を用いて、事前に近似した配置を用いて自己校正を行うことができる。
  論文  参考訳（メタデータ） (2024-02-27T04:56:04Z)
• Distributional Shift-Aware Off-Policy Interval Estimation: A Unified Error Quantification Framework [8.572441599469597]
  本研究では、無限水平マルコフ決定過程の文脈における高信頼オフ政治評価について検討する。 目的は、未知の行動ポリシーから事前に収集されたオフラインデータのみを用いて、対象の政策値に対する信頼区間(CI)を確立することである。 提案アルゴリズムは, 非線形関数近似設定においても, サンプル効率, 誤差ローバスト, 既知収束性を示す。
  論文  参考訳（メタデータ） (2023-09-23T06:35:44Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• Approximate Conditional Coverage via Neural Model Approximations [0.030458514384586396]
  実験的に信頼性の高い近似条件付きカバレッジを得るためのデータ駆動手法を解析する。 我々は、限界範囲のカバレッジ保証を持つ分割型代替案で、実質的な(そして、そうでない)アンダーカバーの可能性を実証する。
  論文  参考訳（メタデータ） (2022-05-28T02:59:05Z)
• Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
  アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。 アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。 本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
  論文  参考訳（メタデータ） (2020-06-28T13:49:30Z)

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。