知覚特性距離：動的条件下における知覚システムの安定性と堅牢性を特定の決定規則の下で評価する指標

- 自動運転システム(ADS)の安全性評価に向けた新しい知覚評価指標 **Perception Characteristics Distance (PCD)** を提案する研究。 - 物体を確実に検出できる最遠距離として、モデル出力の不確実性を指標に組み込む。 - 複数の detection quality と確率閾値にわたり PCD を平均した **average PCD (aPCD)** でシステム全体の知覚能力を表現。 - 検証用に **SensorRainFall dataset** を公開。 - Virginia Smart Road で cameras・radar・LiDAR を搭載した車両により収集。 - 晴天/雨天、daylight/streetlight/nighttime の条件を含み、正解距離・bounding boxes・segmentation masks を提供。

- 既存の知覚評価指標は、AI 知覚アルゴリズムの出力が確率的(stochastic)であることを反映していない、という課題を指摘。 - 提案する PCD/aPCD はモデル出力の不確実性を「確実に検出できる最遠距離」として取り込み、uncertainty-aware な評価を可能にする点が新しい。 - 実験では aPCD が weather・daylight・illumination 条件の意味のある差異を捉え、従来の評価指標では反映できない違いを示したと報告。 - 既存の特定手法との個別比較の詳細は要旨からは不明。

- 中核は **PCD**: モデル出力の不確実性を、対象物体を確実に検出できる最遠距離として表現する指標。 - 複数の detection quality と probabilistic thresholds にわたり PCD を平均し **aPCD** を算出、システム全体の知覚能力を表す。 - 評価には **SensorRainFall dataset** を使用。cameras・radar・LiDAR のマルチセンサデータ、天候・照度条件、正解距離・bounding boxes・segmentation masks を含む。 - 具体的な不確実性推定式や閾値の定義は要旨からは不明。

- **SensorRainFall dataset** を Virginia Smart Road で収集し、実証的検証に使用。 - 条件: clear/rainy の天候、daylight/streetlight/nighttime の照度。 - センサ: cameras・radar・LiDAR。 - 正解: 距離、bounding boxes、segmentation masks。 - state-of-the-art モデルを用いた実験で、aPCD が weather・daylight・illumination 条件間の意味のある差異を捉えることを確認。 - 従来指標がこれらの差異を反映できないことも示したと報告。

- PCD は不確実性を考慮した知覚性能の尺度を提供し、より安全で堅牢な ADS 運用に資すると主張。 - SensorRainFall dataset は評価用ベンチマークとしての価値を提供。 - 限界・制約や、他指標との詳細な比較、一般化可能性についての議論は要旨からは不明。 - データセットと評価コードは公開済み(Kaggle / GitHub)。

- 要旨で直接参照・比較されている個別研究は明示されていない。 - 関連して読むべき候補として、ADS の知覚評価・不確実性評価の定番領域から以下が考えられる(一般名)。 - object detection の評価指標(mAP など)に関する研究 - uncertainty estimation / calibration に関する研究 - adverse weather 下の自動運転知覚ベンチマーク(例: 雨天・夜間データセット)に関する研究 - 提案リポジトリ(GitHub: PCD_Python)および SensorRainFall dataset の関連文献を辿ることが有用。