ML 기반 LiDAR 객체 탐지에서 다양한 트리거링 조건에 따른 성능 목표 적합성을 결정하기 위한 의도된 기능 안전 분석 지원 불확실성 평가

ISO 21448에 따른 의도된 기능 안전(SOTIF) 분석을 위해, 광대역 레이더(LiDAR) 포인트 클라우드를 사용하는 머신러닝 객체 탐지기는 수락된 탐지 중 잘못된 탐지의 평균 프레임 비율로 제한되는 성능 목표를 불확실성 임계값(uncertainty threshold)을 거부함으로써 충족할 수 있습니다. 한 조건의 데이터에서 선택된 임계값은 해당 선택 데이터와 유사하게 분포하는 데이터에 대해서만 통계적 보장을 제공하지만, SOTIF 분석은 모든 트리거링 조건을 다룹니다. 본 논문은 불확실성 평가를 제시하며, 이 평가에서는 임계값을 트리거링 조건으로 전이시키고, 테스트가 주어진 오차 확률(error probability)에서 해당 목표가 적용 가능한지, 적용 불가한지, 또는 결정되지 않았는지 판단하며, 하한값(lower bound)은 적용 가능한 결과를 위해 필요한 독립적인 단위를 계산합니다. KITTI와 nuScenes의 PointPillars 앙상블에 대해 기록된 시퀀스 단위로 계산했을 때, 프레임 간 의존성 때문에 어느 데이터셋도 어떤 목표 한계를 위한 충분한 독립적 단위를 보유하지 못했으며, 어떠한 전이에서도 '적용 불가'라는 결과가 나오지 않았습니다. 프레임 단위로 계산했을 때는, 원거리, 비, 그리고 별도로 훈련된 두 탐지기 사이로 전이시킨 후 미리 고정된 한계치에서 '적용 불가'라는 결과를 보였습니다. 임계값은 목표 한계를 충족했지만, 전이 과정에서 대부분의 올바른 탐지가 거부되었고, 특히 비가 오는 상황에서는 수신자 특성 곡선(receiver operating characteristic curve) 아래 면적이 감소하지 않았습니다. 따라서 하나의 조건에서 충족된 성능 목표는 해당 조건 내에서 테스트를 통해 그 수락된 올바른 탐지 비율과 독립적인 기록 시퀀스 수를 보고해야만 트리거링 조건 하의 증거로 간주될 수 있습니다.