解釈可能なセンサフュージョン変換器を用いた安全性向上型自動運転

自動車の大量導入は、安全性に関する懸念により継続的に遅れています。一方で、包括的なシーン理解は不可欠であり、これが不足すると未知の物体の突然の出現など、まれながら複雑な交通状況に対する脆弱性が生じます。他方で、全体的な文脈からの推論には複数種類のセンサーへのアクセスと多様なセンサーシグナルの適切な融合が必要ですが、これは達成するのが困難です。さらに、学習モデルにおける解釈可能性の欠如も、検証不能な失敗原因によって安全性を阻害しています。本論文では、包括的なシーン理解と敵対的イベント検出を実現するために、マルチモーダル・マルチビュー・センサーから得られる情報を完全に処理し融合するための安全性強化型自動運転フレームワークである「解釈可能なセンサーフュージョントランスフォーマー（InterFuser）」を提案します。また、当フレームワークから中間的な解釈可能な特徴量が生成され、これらはより豊富な意味を持ち、安全範囲内の行動制約を改善するために活用されます。CARLAベンチマークでの広範な実験を行った結果、当モデルは既存の手法を上回り、パブリックCARLAリーダーボードで1位となりました。当コードは https://github.com/opendilab/InterFuser にて公開予定です。