自律配送地上ドローンが横断歩道で歩行者を轢きました。初期調査では、認識システムの3Dセグメンテーションの欠陥が原因とされています。事故を解明するため、衝突のミリ秒前に取得されたネイティブLiDAR点群データを抽出し、Unreal Engine 5でシーンを再現しました。目的は、被害者の反射素材の衣服が原因で、アルゴリズムが歩行者を標識やポールなどの環境内の静的オブジェクトとして誤分類したかどうかを判断することです。
技術ワークフロー: Open3D、Foxglove Studio、Unreal Engine 5 🛠️
法医学的プロセスは、PythonとOpen3Dを使用した生の点群データの抽出から始まり、環境ノイズをフィルタリングし、衝突直前の重要なフレームを分離します。この点群は分析用にPLY形式でエクスポートされます。Foxglove Studioを使用して、車両のテレメトリと同期したLiDARセンサーデータを可視化し、歩行者の軌跡と計画システムの応答を特定できます。その後、シーンはUnreal Engine 5にインポートされ、都市のジオメトリが再現され、点群が配置されます。次に、点群に反射率フィルターが適用され、歩行者の繊維素材の挙動がシミュレートされます。結果は、反射ジャケットに対応する点が異常な強度を示し、道路標識のそれと類似しているため、3Dセグメンテーションモデルがそれらを静的オブジェクトクラスにグループ化し、その動きを無視したことを示しています。
自律認識の安全性への教訓 ⚠️
このケースは、素材の反射率がセンサーの到達距離に影響を与えるだけでなく、セマンティック分類に致命的なエラーを引き起こす可能性があることを示しています。Unreal Engine 5での再現により、車両が持っていたアルゴリズム上の死角を可視化できます。将来のシステムでは、点群と熱画像またはイベントカメラデータとの間の相互検証を実装し、高視認性の衣服を着用した歩行者を含むデータセットでモデルをトレーニングすることをお勧めします。法医学的分析のためのOpen3DとリアルタイムデバッグのためのFoxglove Studioの組み合わせは、モバイルロボティクスにおける事故調査の標準として確立されつつあります。
法医学的3Dシミュレーションにより、LiDAR障害の再現が横断歩道上の歩行者の実際の軌跡と一致するかどうかを判断できますか、それとも衝突前の点群の追加分析が必要ですか？
(追伸: シーン分析において、すべてのスケールの証人は小さな無名の英雄です。)