自動運転システムにおけるシーン理解は、深層学習モデルの使用が不可欠ですが、それらのブラックボックス性は透明性と安全性を損なう要因となっています。この問題に対処するため、説明可能な自動運転知覚システムにおいてマルチタスク視覚理解が重要視されています。すなわち、複数の運転行動を同時に予測し、その根拠を説明することが求められます。しかし、従来の固定信頼閾値アプローチはマルチタスクシナリオにおいて最適ではなく、タスクごとに異なる最適閾値が存在します。
この課題に取り組んだのが、Maryam Sadat Hosseini Azad氏とShahriar Baradaran Shokouhi氏による研究です。彼らは、網羅的な信頼閾値感度分析を導入し、異なる閾値が各タスクの性能に与える影響を評価することで、最適な決定境界を特定する手法を提案しました。実験の結果、適応的閾値選択法は従来の固定閾値法と比較して、複数のタスクにおけるF1スコアを大幅に向上させることが示されました。
さらに、本研究ではIUST-XAI-ADデータセットが新たに作成されました。このデータセットは958枚の画像から構成され、各画像には運転判断とその理由に関する人間の注釈が付与されています。既存のデータセットと比較してより挑戦的なテスト環境を提供し、特に異文化間の運転行動パターンの違いを分析するための重要なリソースとなります。例えば、異なる国々での車線変更や歩行者優先などの行動様式の差異を捉えることが可能です。
信頼閾値感度分析によるモデル性能の向上と、IUST-XAI-ADデータセットによる異文化運転行動の解明は、この研究の二大貢献です。これらは、より信頼性が高く、説明可能で、文化的適応性を持つ自動運転システムの開発を加速し、グローバル展開に寄与することが期待されます。本論文はarXiv（識別子2605.04299）にて公開されており、2026年5月5日に投稿されました。