ガウス混合コピュラモデルによるシナリオパラメータの同時確率推定

- 自動運転システムの安全性検証のための driving scenario の統計モデリングに Gaussian Mixture Copula Models を初めて適用した論文 - scenario parameter の joint probability distribution を推定することを目的とする - 安全性評価では具体的な parameter の組み合わせの likelihood が risk quantification に必要 - Gaussian Mixture Copula Models は marginal distribution と dependence を分離してモデリングできる

- 先行研究で提案された Gaussian Mixture Models と Gaussian Copula Models を benchmark として比較 - Gaussian Mixture Copula Models は Gaussian Copula Models を一貫して上回る - Gaussian Mixture Models とは競争力のある性能を示す - 相対的な性能は scenario に依存する - 両者の利点（multimodal expressivity と dependence の柔軟なモデリング）を併せ持つ点が新しい

- Gaussian Mixture Copula Models を driving scenario の statistical modeling に適用 - Gaussian Mixture Models の multimodal expressivity と copulas の柔軟性を組み合わせる - marginal distributions と dependence を別々にモデリング可能 - scenario parameter の joint probability distribution を推定 - 評価指標として log-likelihood と Sinkhorn distance を使用

- United Nations Regulation No. 157 で定義された2つの scenario を用いて評価 - 実世界の driving data を使用 - 約 18 million instances のデータで評価 - Gaussian Mixture Models と Gaussian Copula Models を比較対象として benchmark - log-likelihood と Sinkhorn distance の両方で性能を測定

- Gaussian Mixture Copula Models は Gaussian Copula Models を一貫して上回り、Gaussian Mixture Models と競争力がある - 相対性能は scenario に依存するため、scenario ごとの特性評価が必要 - 結果は将来の scenario-based validation framework の statistical foundation として有望 - 限界や課題の詳細は要旨からは不明

- Gaussian Mixture Models - Gaussian Copula Models - United Nations Regulation No. 157 に基づく scenario-based safety assessment の関連研究 - Sinkhorn distance を用いた分布比較の関連手法