SRAF-ID: センサー信頼性を考慮した、欠損・異常センサー観測下でのロバストな交通速度予測フレームワーク

• 動的オクルージョン予測ニューラルネットワーク(Transformer+GNN)を提案し、DAIR-V2Xデータセットで高オクルージョン下で5.1%のMOTA向上を達成した研究結果が発表された

• 連合時空間同期動的グラフニューラルネットワーク(Federated STSDGNN)を導入し、プライバシー保護型の車両軌道予測を実現
• 中央集権的なSTSDGNNベースラインと比較し、highDデータセットでの実験でRMSEを約23.5%削減
• クライアントはモデル更新のみをサーバーに送信し、連合学習アルゴリズムで集約する設計でプライバシーを向上

本研究は、自動運転システムにおける軌道予測の解釈可能性とエッジ展開可能性という課題に対処するため、時空間軌道予測フレームワークを提案する。提案手法は、ActorNetにTemporal Convolutional NetworkとMulti-Head Self-Attention (TCN–MHSA)を統合し、Lane Graph Attention Network (LaneGAT)による構造化空間推論、およびActor–Lane相互作用のためのマルチステージFusionNetを組み込んでいる。モデルの解釈性を向上させるため、包括的なExplainable AI (XAI)評価フレームワー…

自律走行システム(ADS)の信頼性は、異種センサー、推定アルゴリズム、安全メカニズムが、緩やかに結合されたモジュールとしてではなく、単一の統合された安全クリティカルな計測システムとして設計されている場合にのみ確保される。実用的なスタックはカメラ、LiDAR、車載レーダー、GNSS/IMUを統合しているが、展開はモダリティ固有の故障モード、キャリブレーションと同期のドリフト、モデリングの仮定に違反する分布外(OOD)条件によって制約されている。これらの限界は、計画がセンシングが正当化できるよりも鋭い確実性を仮定する場合に、過度の自信と下流の意思決定エラーを引き起こす。本サーベイは、計測物理学、…

本研究では、非定常で異種な高解像度オンラインセンサー観測ストリームを、信頼性の高いプロセス状態予測に変換する課題に対し、FT-Crossformer(時周波数Transformer)を提案する。FT-Crossformerは、データ駆動型の代理モデルとして機能し、マルチセンサー観測と多変量プロセス状態予測を繋ぐ。センサー観測ストリームの分布シフトに対処するため、時間領域の分布変換モジュールと逆マッピングモジュールがアフィンバイアスコレクションを実行し、ウィンドウごとの非定常統計を除去・復元することで、訓練時とテスト時の分布の乖離を低減する。このアフィン補正は周波数領域では周波数インデックスに…