3次元認識、特に点群分類分野では著しい進展が見られつつある。しかし実世界における展開において、シーンの複雑性やセンサの誤差、処理の不正確さといった要因により、点群の劣化（corruption）は避けがたい。本研究では、点群分類における劣化環境下での性能を厳密にベンチマークし、分析することを目的とする。系統的な調査を実施するため、まず一般的な3次元劣化の分類体系（taxonomy）を提示し、基本的な劣化要因（atomic corruptions）を同定する。続いて、代表的な点群分類モデルの広範な評価を通じて、それらのロバスト性および汎化能力を検証する。ベンチマークの結果から、点群分類の性能は時間とともに向上しているものの、最先端手法のロバスト性は逆に低下しつつあることが明らかになった。この観察に基づき、点群分類器のロバスト性を向上させるための効果的な手法を複数提案する。本研究で提供する包括的なベンチマーク、深層的な分析、および提案手法が、今後のロバストな3次元認識に関する研究を促進することを期待している。