การแยกแยะวัตถุด้วย LiDAR (LiDAR semantic segmentation) เป็นหัวใจสำคัญของการรับรู้ในยานยนต์ไร้คนขับและหุ่นยนต์เคลื่อนที่ อย่างไรก็ตาม ปัญหาใหญ่ของโมเดลปัจจุบันคือการมีความมั่นใจสูงเกินไปในคำตอบที่ผิด (overconfident) ซึ่งอาจนำไปสู่อันตรายได้ งานวิจัยชิ้นนี้จึงนำเสนอ Invascal ซึ่งเป็นหัวต่อแบบ Adapter Head ที่สามารถนำไปใช้กับสถาปัตยกรรมโมเดลเดิมได้ทันที
หัวใจหลักของ Invascal คือการแยกการทำนายออกเป็นสองส่วน ได้แก่ Preference Head สำหรับจัดลำดับคลาส และ Strength Head สำหรับประเมินความไม่แน่นอน โดยใช้วัตถุประสงค์การเรียนรู้แบบ self-calibration เพื่อควบคุมสัญญาณความเชื่อมั่นให้เชื่อถือได้มากขึ้น ผลจากการทดสอบพบว่าระบบสามารถรักษาความแม่นยำในการแยกแยะวัตถุไว้ได้ในระดับสูง ในขณะที่ความสามารถในการประเมินความไม่แน่นอนดีขึ้นอย่างเห็นได้ชัดเมื่อเทียบกับวิธีการเดิม
