[3E2-GS-2g] Machine learning

11:45 AM - 12:00 PM JST(2:45 AM - 3:00 AM UTC)

[3E2-GS-2g-04] T-norm Selection for Object Detection in Autonomous Driving with Logical Constraints

Thomas Eiter³, Nelson Higuera³, Katsumi Inoue², 〇Sota Moriyama^1,2 (1. The Graduate University for Advanced Studies, SOKENDAI., 2. National Institute of Informatics, 3. Technical University of Vienna)

Keywords:

Object Detection,Constraint Satisfaction,Machine Learning,Autonomous Driving,T-norm

機械学習モデルに対して制約知識を導入することにより，学習モデルの性能と安全性を向上させるアプローチが注目されている．自動運転を目的とした物体検出モデルにおいても，t-ノルムを用いて制約の充足度合いを連続的に評価し，これを損失として利用する方法が提案されている．一方で，t-ノルムの種類および適用方法については十分に検討されてこなかった．そこで本研究では，12種類のt-ノルムに加え，t-ノルムの選択アルゴリズムや正則化係数を動的に調整するスケジューラを用いるMOD-ECLフレームワークを提案する．実験では論理制約を付与した自動運転データセットであるROAD-RとROAD-Waymo-Rを用い，各構成要素の有効性および既存手法との比較評価を行った．その結果，t-ノルムの種類や選択方法が性能に大きな影響を与えることを明らかにするとともに，適切に設定することで既存手法と比較して高い性能を達成した．さらに，特定の設定においては制約充足率と検出精度の双方が向上し，制約知識導入の有効性が確認された．