論文の概要: AmbieGen: A Search-based Framework for Autonomous Systems Testing

• arxiv url: http://arxiv.org/abs/2301.01234v1
• Date: Sun, 1 Jan 2023 23:42:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 14:30:43.621940
• Title: AmbieGen: A Search-based Framework for Autonomous Systems Testing
• Title（参考訳）: AmbieGen: 自律システムテストのための検索ベースのフレームワーク
• Authors: Dmytro Humeniuk, Foutse Khomh and Giuliano Antoniol
• Abstract要約: AmbieGenは、自律システムのための検索ベースのテストケース生成フレームワークである。 自律ロボットのテストケース生成と自動車線維持支援システムをサポートする。
• 参考スコア（独自算出の注目度）: 12.93632948681342
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Thorough testing of safety-critical autonomous systems, such as self-driving cars, autonomous robots, and drones, is essential for detecting potential failures before deployment. One crucial testing stage is model-in-the-loop testing, where the system model is evaluated by executing various scenarios in a simulator. However, the search space of possible parameters defining these test scenarios is vast, and simulating all combinations is computationally infeasible. To address this challenge, we introduce AmbieGen, a search-based test case generation framework for autonomous systems. AmbieGen uses evolutionary search to identify the most critical scenarios for a given system, and has a modular architecture that allows for the addition of new systems under test, algorithms, and search operators. Currently, AmbieGen supports test case generation for autonomous robots and autonomous car lane keeping assist systems. In this paper, we provide a high-level overview of the framework's architecture and demonstrate its practical use cases.
• Abstract（参考訳）: 自動運転車、自律ロボット、ドローンなどの安全クリティカルな自律システムの詳細なテストは、デプロイ前に潜在的な障害を検出するために不可欠である。 重要なテストステージのひとつがmodel-in-the-loopテストで、シミュレータでさまざまなシナリオを実行してシステムモデルを評価する。 しかし、これらのテストシナリオを定義する可能なパラメータの探索空間は膨大であり、すべての組み合わせをシミュレートすることは計算上不可能である。 この課題に対処するために,自律システムを対象とした検索ベースのテストケース生成フレームワークであるAmbieGenを紹介する。 AmbieGenは、あるシステムにおいて最も重要なシナリオを特定するために進化的検索を使用し、テスト、アルゴリズム、サーチ演算子による新しいシステムの追加を可能にするモジュラーアーキテクチャを備えている。 AmbieGenは現在、自律ロボットと自動車線維持支援システムのテストケース生成をサポートしている。 本稿では,フレームワークのアーキテクチャを高レベルに概観し,その実践的ユースケースを示す。

関連論文リスト

• A Roadmap for Simulation-Based Testing of Autonomous Cyber-Physical Systems: Challenges and Future Direction [5.742965094549775]
  本稿では,自律システムのシミュレーションに基づくテストの戦略的ロードマップを開拓する。 本稿では,テスト自動化と品質保証に着目し,ACPSの課題と障害について論じる。
  論文  参考訳（メタデータ） (2024-05-02T07:42:33Z)
• Automated System-level Testing of Unmanned Aerial Systems [2.2249176072603634]
  国際安全基準の主な要件は、アビオニクスソフトウェアシステムの厳格なシステムレベルのテストを実行することである。 提案したアプローチ(AITester)は、モデルベースのテストと人工知能(AI)技術を使用して、さまざまなテストシナリオを自動生成、実行、評価する。
  論文  参考訳（メタデータ） (2024-03-23T14:47:26Z)
• UniSim: A Neural Closed-Loop Sensor Simulator [76.79818601389992]
  センサ搭載車両によって記録された1つのログをキャプチャする、ニューラルネットワークシミュレータUniSimを提示する。 UniSimは、静的バックグラウンドと動的アクターの両方を再構築するために、ニューラルネットワーク機能グリッドを構築する。 動的オブジェクトの学習可能な事前情報を組み込んで、畳み込みネットワークを利用して未確認領域を完成させる。
  論文  参考訳（メタデータ） (2023-08-03T17:56:06Z)
• A Search-Based Framework for Automatic Generation of Testing Environments for Cyber-Physical Systems [12.93632948681342]
  我々は,自律型サイバー物理システムのための多種多様な障害露呈テストシナリオを生成するために,AmbieGenという検索ベースのフレームワークを設計する。 我々はAmbieGenを3つのシナリオ生成ケーススタディ、すなわちスマートサーモスタット、ロボット障害物回避システム、車線維持支援システムで評価した。
  論文  参考訳（メタデータ） (2022-03-23T02:10:30Z)
• A Survey on Scenario-Based Testing for Automated Driving Systems in High-Fidelity Simulation [26.10081199009559]
  道路上でシステムをテストすることは、現実世界と望ましいアプローチに最も近いが、非常にコストがかかる。 一般的な選択肢は、ADSのパフォーマンスを、よく設計されたシナリオ、すなわちシナリオベースのテストで評価することである。 高忠実度シミュレータはこの設定で、何のシナリオかをテストする際の柔軟性と利便性を最大化するために広く使われている。
  論文  参考訳（メタデータ） (2021-12-02T03:41:33Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)
• Formal Scenario-Based Testing of Autonomous Vehicles: From Simulation to the Real World [8.498542964344987]
  自動運転車の安全性のシナリオベース自動テストに対する新しいアプローチを提案する。 提案手法は,シナリオの形式的仕様と安全性特性を組み合わせた形式的手法に基づいている。
  論文  参考訳（メタデータ） (2020-03-17T14:17:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。