ユニバーサルドメイン適応（Universal Domain Adaptation: UDA）は、ラベル集合にいかなる制約も設けずにドメイン間で知識を転送する手法であり、現実世界におけるドメイン適応の適用範囲を拡大するものである。UDAでは、ソースドメインとターゲットドメインの両方のラベル集合に、互いに共有されていない個別ラベル（individual labels）が存在しうる。UDAにおける代表的な課題の一つは、共有ラベルクラスに属するターゲット例をドメインシフトの影響下でも正確に分類することである。さらに顕著な課題として、ターゲットドメイン固有のラベル（オープンクラス）に属するターゲット例を「未知（unknown）」として識別することである。これらの二つの密接に絡み合った課題により、UDAは依然として十分に解明されていない困難な問題とされている。従来のUDA研究は、共有ラベルクラス内のデータ分類に焦点を当てており、評価指標として各クラスごとの正解率（per-class accuracy）を用いることが一般的であるが、これは共有ラベルクラスの性能に強く偏った評価指標である。一方で、オープンクラスの正確な検出は、本質的に「ユニバーサルドメイン適応」を実現する上で不可欠なタスクであり、これによりUDA問題は従来のクローズドセットドメイン適応問題に再定式化される。このオープンクラス検出の精度向上を目的として、本研究では、マルチクラス分類器アンサンブルモデルによって補正された条件付き確率に基づき、エントロピー、信頼度、一貫性という複数の不確実性指標の混合によって推定される新しい転移可能性（transferability）測度を用いる「キャリブレートドマルチプルアンセラーテイン（Calibrated Multiple Uncertainties: CMU）」を提案する。この新規転移可能性測度は、ターゲット例がオープンクラスに属する傾向を正確に定量化することができる。さらに、共有クラスの正解率と「未知」クラスの識別精度の両方の重要性を重視する新たな評価指標「Hスコア」を提案する。UDA設定下での実証実験の結果、CMUはすべての評価指標において最先端のドメイン適応手法を上回り、特にHスコアにおいて大きな優位性を示した。