Uncertainty-Aware Vision-based Risk Object Identification via Conformal Risk Tube Prediction

1. Problema e Motivação

O artigo aborda a Identificação de Objetos de Risco Baseada em Visão (Vision-ROI), uma capacidade crítica para sistemas de direção inteligente (IDS) que visam detectar perigos e estimar seus níveis de risco.

• Limitações das Abordagens Atuais: Os métodos existentes são predominantemente determinísticos, assumindo percepção confiável e dinâmica de cena estável. Eles ignoram a incerteza inerente a ambientes reais (ocluções, ruído de sensores, observações incompletas).
• Consequências: A falta de modelagem de incerteza leva a:
  • Decisões prematuras ou atrasadas (desalinhamento temporal).
  • Previsões instáveis e fragmentadas (flickering entre estados de risco e não risco).
  • Falhas críticas de segurança em cenários complexos com múltiplos riscos interagindo.
• Deficiência Atual: Não existe um framework principled para modelar a incerteza do risco conjuntamente no espaço e no tempo.

2. Metodologia Proposta

Os autores propõem o Conformal Risk Tube Prediction (CRTP), uma formulação unificada que modela o risco como um "tubo" espaço-temporal, capturando a evolução dos perigos potenciais ao longo do tempo.

Componentes Principais:

1. Representação de Tubo de Risco (Risk Tube):

   • Em vez de prever risco para objetos em um único instante, o modelo prediz um intervalo de tempo futuro $[t_{start}, t_{end}]$ durante o qual um objeto pode se tornar perigoso.
   • O tamanho do tubo reflete a incerteza: tubos menores indicam alta confiança, enquanto tubos maiores indicam maior incerteza.

2. Previsão Conformal (Conformal Prediction - CP):

   • Utiliza CP para garantir garantias de cobertura estatística (ou seja, o risco real estará dentro do intervalo previsto com uma probabilidade definida).
   • Desafio: A CP padrão é insuficiente porque diferentes categorias de risco (ex: oclusão vs. interação) possuem características espaço-temporais distintas.
   • Solução: Introdução de Calibradores Conformais Conscientes de Categoria (Category-Aware Conformal Calibrators). Um classificador de MLP atribui o objeto a uma categoria, e um calibrador específico para aquela categoria ajusta os limites de confiança.

3. Perda de Alinhamento Espaço-Temporal (Spatiotemporal Feature Alignment - STFA):

   • Objetos da mesma categoria de risco compartilham padrões de aparência e movimento.
   • Uma função de perda penaliza a discrepância entre a similaridade espacial (entre objetos da mesma categoria) e a similaridade temporal (evolução do mesmo objeto ao longo do tempo), forçando o modelo a aprender representações consistentes.

4. Zona de Buffer (Buffer Zone):

   • Para mitigar oscilações na fronteira de decisão, define-se uma zona de ambiguidade baseada nos quantis calculados. Se a pontuação de risco cair nesta zona, o sistema trata o objeto como ambíguo, evitando frenagens desnecessárias ou atrasadas.

3. Contribuições Chave

1. Novo Framework (CRTP): Uma formulação de Vision-ROI consciente de incerteza que modela a incerteza espaço-temporal de forma mais confiável do que abordagens anteriores, utilizando Previsão Conformal.
2. Novo Dataset (MCR): Criação do dataset Multiple Coexisting Risks (MCR), que integra quatro categorias de risco (Interação, Colisão, Obstáculo, Oclusão) em cenários únicos. Isso permite a avaliação de efeitos de acoplamento de múltiplos riscos, algo não suportado por datasets existentes.
3. Avaliação Abrangente: Análise sistemática de fatores que afetam a estimativa de incerteza, incluindo variações de cenário, comportamento por categoria de risco e propagação de erros de percepção.
4. Desempenho em Tarefas Downstream: Demonstração de que os tubos de risco calibrados reduzem significativamente alertas de frenagem falsos (nuisance braking) sem comprometer a segurança.

4. Resultados Experimentais

Os experimentos foram conduzidos no dataset MCR (aprox. 1000 cenários) e comparados com baselines como Redes Bayesianas (BNN), Filtro de Kalman (KF), Previsão Conformal Online (OCP) e Embedding de Incerteza (UE).

• Robustez em Cenários Multi-Risco: O método proposto manteve alta cobertura (Coverage) e melhor alinhamento de fronteira (Boundary Alignment) em cenários com múltiplos riscos, superando todas as baselines.
• Resiliência a Erros de Percepção: Ao substituir as caixas de delimitação (bounding boxes) de ground truth por detecções reais (com ruído), o CRTP sofreu a menor degradação de desempenho, demonstrando robustez superior à propagação de erros.
• Métricas de Qualidade:
  • Cobertura (Coverage): O método alcançou ~82-85% de cobertura, superando baselines determinísticas.
  • Volume do Tubo (Tube Volume): Mantém volumes menores que métodos probabilísticos tradicionais, indicando menor incerteza desnecessária.
  • Consistência Temporal (TC): Reduziu a fragmentação das previsões.
• Impacto na Frenagem (Downstream):
  • Ao combinar o CRTP com critérios de distância, o sistema reduziu drasticamente o número de alertas de frenagem desnecessários (Average Brake Counts) e os alertas desalinhados (Misaligned Brake Counts) em comparação com métodos baseados apenas em distância ou outras abordagens de Vision-ROI.

5. Significado e Conclusão

O trabalho representa um avanço significativo na segurança de sistemas autônomos ao introduzir uma abordagem probabilística e calibrada para a identificação de riscos.

• Segurança: Ao fornecer estimativas de incerteza calibradas, o sistema evita tanto a subestimação de riscos (falhas de detecção) quanto a superestimação (frenagens de pânico), operando de forma mais próxima do comportamento humano ideal.
• Inovação Metodológica: A aplicação de Previsão Conformal adaptada a categorias de risco e a introdução de alinhamento de características espaço-temporais oferecem um novo paradigma para lidar com a complexidade dinâmica do tráfego.
• Limitações Futuras: O desempenho na categoria de "Oclusão" ainda é inferior a outras, sugerindo a necessidade de modelagem mais dedicada para objetos ocultos. Futuros trabalhos visam aplicar o framework a outras tarefas críticas, como evitar mudanças de faixa e ceder passagem em cruzamentos.

Em resumo, o Conformal Risk Tube Prediction oferece um mecanismo de "gating" (filtragem) principled que melhora a robustez da percepção visual e a confiabilidade das respostas do veículo, reduzindo falsos positivos e aumentando a segurança geral.