CoInfra: A Large-Scale Cooperative Infrastructure Perception System and Dataset for Vehicle-Infrastructure Cooperation in Adverse Weather

以下は、提示された論文「CoInfra: A Large-Scale Cooperative Infrastructure Perception System and Dataset for Vehicle–Infrastructure Cooperation in Adverse Weather」の技術的な詳細な要約です。

1. 問題定義 (Problem)

自動運転システムにおける「知覚（Perception）」は、複雑な都市環境、特に視界不良や天候悪化、および他の交通参加者による遮蔽（オクルージョン）が発生する状況において、依然としてボトルネックとなっています。従来の車載センサー（オンボードセンシング）のみでは、交差点やラウンドアバウト（環状交差点）などの衝突リスクの高い場所において、すべての交通参加者を確実に検知・追跡することが困難です。

既存の車両 - 路側協調（V2I）研究には以下の 3 つの大きなギャップが存在します：

1. 同期と通信遅延の扱い: 分散ノードからの出力が確率的な遅延で到着する際、同期を単なる実装詳細として扱い、遅延を明示的な研究対象として扱っていない。
2. 再現性の欠如: データセットやアルゴリズム結果は公開されるが、大規模展開に必要な統合されたセンシング、較正、同期、通信、ソフトウェアツールを含むフルスタックシステムが不足している。
3. 評価基準の限界: 既存の評価は検出精度（Average Precision: AP）に偏っており、協調感知が「安全な意思決定に必要な状況認識（Situational Awareness）」を本当に向上させたか、特に悪天候や衝突リスクの高いシナリオにおいて評価されていない。

2. 手法とシステム設計 (Methodology & System Design)

本論文は、CoInfra と呼ばれる実用的な協調路側知覚プラットフォーム、大規模データセット、およびオープンソースシステムスタックを提案しています。

システムアーキテクチャ

• ハードウェア構成: 14 個の路側センサーノード（ループアバウト周辺に設置）で構成され、それぞれに 32 ビーム LiDAR、2 台の RGB カメラ、エッジコンピューティング（NVIDIA Jetson Orin NX）、産業用 5G モデム、および太陽光発電システムを搭載。
• 通信: 商用 5G ネットワークを介してクラウドサーバーと接続。
• 知覚パイプライン:
  • エッジ側: 各ノードでローカル知覚（LiDAR とカメラの BEV 融合、YOLOv11-OBB による検出、追跡）を行い、生データではなく構造化された検出結果（バウンディングボックス）をクラウドへ送信。
  • クラウド側: 遅延を考慮した同期と融合を実行。

遅延を考慮した同期プロトコル (Delay-Aware Synchronization)

• 問題: 5G 通信の遅延は確率的であり、すべてのノードからのデータが同時に到着しない。
• 解決策:
  • 適応的融合ウィンドウ: 各ノードの遅延分布（平均 $\hat{\mu}$、標準偏差 $\hat{\sigma}$）をオンラインで推定し、融合トリガーまでの待機時間 $\Delta T$ を $\max_i(\hat{\mu}_i + n\hat{\sigma}_i)$ として動的に設定（$n=2$ または $3$）。
  • 遅延データ処理: 融合トリガー後に到着したデータは破棄せず、運動モデル（EKF）を用いた状態予測に基づいて、信頼度を下げて事後更新（Post-fusion update）として統合する。これにより、応答性と融合の完全性のバランスを取っている。

データセット (CoInfra Dataset)

• 規模: 8 ノードのループアバウト環境で収集。
• 条件: 晴天、雨天、大雪、凍雨の 4 種類の天候条件。
• データ量: 294,000 枚の LiDAR フレーム、589,000 枚のカメラ画像、332,000 個のグローバル整合性を持つ 3D バウンディングボックス。
• サブセット:
  • CoInfra-I2I: 8 ノード間の協調感知用（主要なベンチマーク用）。
  • CoInfra-V2I: 自律走行シャトルバスと路側ノードの協調用（車 - 路側協調実験用）。
• アノテーション: グローバル座標系で整合された 3D ボックス（人物、自転車、車、バス、トラック）。

3. 主要な貢献 (Key Contributions)

1. 展開可能な協調路側プラットフォームとデータセットの公開: 商用 5G を使用した 14 ノードのシステム、大規模な悪天候データセット、およびハードウェアから ROS パイプライン（Autoware 互換）までのフルスタックオープンソースを公開。
2. 現実的な通信制約下での遅延対応同期: 確率的な 5G 遅延下での「完全性 - 遅延」のトレードオフを確率論的に定式化し、適応的融合ウィンドウと軽量な状態予測（EKF）を組み合わせた手法を開発。
3. 交通指向の評価（Ego-centric Observability）: 単なる検出精度（AP）だけでなく、衝突リスクの高いラウンドアバウトシナリオにおいて、協調感知が「安全クリティカルな交通参加者の可視性（Observability）」をどの程度回復させるかを定量的に評価する新しい指標を導入。

4. 実験結果 (Results)

通信性能 (5G Latency)

• ペイロードの影響: 物体レベルの検出結果（1-2KB）の送信は平均 24.2ms、パケットロスなしで実現可能。一方、圧縮画像（500-600KB）の送信は平均 2.19 秒の遅延と 63.75% のパケットロスが発生し、リアルタイム協調には不向き。
• 天候の影響: 天候（雨・雪）は平均遅延にはほとんど影響しないが、尾部遅延（P99）をわずかに増加させる。

同期と融合の評価

• 適応的同期の効果: 「全ノード待機（Wait-for-all）」方式に比べ、適応的融合ウィンドウ（2σ + EKF）は P99 反応時間を 75.7ms から 57.0ms に短縮しつつ、融合の完全性（Completeness）を 100% 維持した。

協調検出ベンチマーク (CoInfra-I2I)

• 検出精度: グローバル融合（早期融合）はローカル融合（後期融合）よりも全体的に優れており、特に遠距離の VRU（歩行者・自転車）や悪天候条件下で顕著な性能向上が見られた。
• LiDAR ポイント密度: 協調感知により、1 物体あたりの LiDAR ポイント数が大幅に増加（例：歩行者は平均 11 点→20 点、自転車は 23 点→60 点）。これにより、単一ノードでは検出困難な遠距離・小物体の検出が可能になった。

交通指向の評価 (CoInfra-V2I: Ego-centric Observability)

• 核心となる発見: 車両単独の知覚では、ラウンドアバウトの衝突シナリオにおいて「すべての関連交通参加者が同時に観測可能なフレーム（Critical-frame completeness）」の割合が 33%〜46% にとどまる場合があった。
• V2I 協調の効果: 路側センサーと協調することで、この完全性が 86%〜100% まで劇的に向上した。
  • 例：車両が環状交差点内に入り、待機中の歩行者を認識するシナリオでは、車両単独の可視性は 45.2% だったが、V2I 協調では 90.1% に向上し、フレーム完全性は 33.0% から 85.9% に向上。
• 意味: 路側センサーは、車載センサーの遮蔽や視野制限によって最も情報が欠落しやすい状況において、安全な意思決定に必要な状況認識を回復させる。

5. 意義と結論 (Significance & Conclusion)

CoInfra は、単なるデータセットの提供を超え、**「実世界における協調路側知覚は、通信遅延や悪天候下での展開可能なシステムとして研究すべきであり、その価値は検出精度だけでなく、実際の交通相互作用における安全関連の状況認識の回復度で評価されるべきである」**という主張を裏付けるものです。

• 実用性: 商用 5G 環境下でも、軽量な物体レベルのデータ送信と適応的同期により、実用的な遅延（P95 約 45ms 以下）で協調感知が可能であることを実証。
• 安全性への寄与: 悪天候や複雑な交差点において、車載センサーの限界を補完し、衝突回避に必要な「見えないものを見る」能力を大幅に向上させることを示した。
• オープンソース: ハードウェア設計からソフトウェアスタックまでを公開することで、将来の協調知覚システムの研究、再現、実装のハードルを大幅に下げている。

将来的には、より多様な天候条件や車両タイプへの拡張、リアルタイムの点群ベース融合の実装、および計画・制御を含むクローズドループ評価への展開が予定されています。