論文の概要: DroneReqValidator: Facilitating High Fidelity Simulation Testing for
Uncrewed Aerial Systems Developers
- arxiv url: http://arxiv.org/abs/2308.00174v1
- Date: Mon, 31 Jul 2023 22:13:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 15:51:36.851683
- Title: DroneReqValidator: Facilitating High Fidelity Simulation Testing for
Uncrewed Aerial Systems Developers
- Title（参考訳）: DroneReqValidator:無人航空システム開発者のための高忠実度シミュレーションテスト
- Authors: Bohan Zhang, Yashaswini Shivalingaiah, Ankit Agrawal
- Abstract要約: sUAS開発者はシミュレーションテストを通じてアプリケーションの信頼性と安全性を検証することを目指している。
実世界の環境の動的な性質は、フィールドテストによってのみ明らかにされる可能性のある、ユニークなソフトウェア欠陥を引き起こす。
DroneReqValidator(DRV)は、小型無人航空機(SUAV)シミュレーションエコシステムを提供する。
- 参考スコア（独自算出の注目度）: 8.290044674335473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rigorous testing of small Uncrewed Aerial Systems (sUAS) is crucial to ensure
their safe and reliable deployment in the real world. sUAS developers aim to
validate the reliability and safety of their applications through simulation
testing. However, the dynamic nature of the real-world environment, including
factors such as challenging weather conditions and wireless interference,
causes unique software faults that may only be revealed through field testing.
Considering the high cost and impracticality of conducting field testing in
thousands of environmental contexts and conditions, there exists a pressing
need to develop automated techniques that can generate high-fidelity, realistic
environments enabling sUAS developers to deploy their applications and conduct
thorough simulation testing in close-to-reality environmental conditions. To
address this need, DroneReqValidator (DRV) offers a comprehensive small
Unmanned Aerial Vehicle (sUAV) simulation ecosystem that automatically
generates realistic environments based on developer-specified constraints,
monitors sUAV activities against predefined safety parameters, and generates
detailed acceptance test reports for effective debugging and analysis of sUAV
applications. Providing these capabilities, DRV offers a valuable solution for
enhancing the testing and development process of sUAS. The comprehensive demo
of DRV is available at https://www.youtube.com/watch?v=Fd9ft55gbO8
- Abstract（参考訳）: 小型無人航空機システム(sUAS)の厳格な試験は、安全性と信頼性を確保するために不可欠である。
sUAS開発者はシミュレーションテストを通じてアプリケーションの信頼性と安全性を検証することを目指している。
しかし、現実世界の環境の動的な性質は、気象条件や無線通信の干渉などを含む要因によって、フィールドテストによってのみ明らかになるユニークなソフトウェア障害を引き起こす。
何千もの環境条件下でのフィールドテストの高コスト化と非現実性を考慮すると、SUAS開発者がアプリケーションをデプロイし、密接な環境条件下で徹底的なシミュレーションテストを行うことを可能にする、高忠実で現実的な環境を生成できる自動化技術を開発する必要がある。
このニーズに対処するため、DroneReqValidator(DRV)は、開発者指定の制約に基づいて現実的な環境を自動的に生成する包括的な小型無人航空機(sUAV)シミュレーションエコシステムを提供し、事前に定義された安全パラメータに対してsUAVアクティビティを監視し、sUAVアプリケーションのデバッグと分析に有効な詳細な受け入れテストレポートを生成する。
これらの機能を提供することで、DRVはsUASのテストと開発プロセスを強化する貴重なソリューションを提供する。
DRVの総合的なデモはhttps://www.youtube.com/watch?
v=Fd9ft55gbO8
関連論文リスト
- AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。
以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
論文 参考訳（メタデータ） (2024-11-02T13:24:30Z) - DroneWiS: Automated Simulation Testing of small Unmanned Aerial Systems in Realistic Windy Conditions [8.290044674335473]
DroneWiSは、sUAS開発者が現実的な風の条件を自動的にシミュレートし、sUASの風に対するレジリエンスをテストすることを可能にする。
ガゼボやAirSimのような現在の最先端のシミュレーションツールとは異なり、DroneWiSは計算流体力学(CFD)を利用してユニークな風速を計算する。
このシミュレーション機能は、困難で現実的な風の条件下でのsUASのナビゲーション能力について、開発者に深い洞察を提供する。
論文 参考訳（メタデータ） (2024-08-29T14:25:11Z) - EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - Coupled Requirements-driven Testing of CPS: From Simulation To Reality [5.7736484832934325]
CPS(Cyber-Physical Systems)の障害は、物理的なインフラや人間を傷つける深刻な事故を引き起こす可能性がある。
現在のシミュレーションとフィールドテストの実践、特に小型無人航空システム(sUAS)の領域では、アドホックであり、完全に構造化されたテストプロセスが欠如している。
我々はCPSを検証するための初期フレームワークを開発し、特にsUASとロボットアプリケーションに焦点を当てた。
論文 参考訳（メタデータ） (2024-03-24T20:32:12Z) - Scaling #DNN-Verification Tools with Efficient Bound Propagation and
Parallel Computing [57.49021927832259]
ディープニューラルネットワーク(DNN)は多くのシナリオで異常な結果を示した強力なツールです。
しかし、それらの複雑な設計と透明性の欠如は、現実世界のアプリケーションに適用する際の安全性上の懸念を提起する。
DNNの形式的検証(FV)は、安全面の証明可能な保証を提供する貴重なソリューションとして登場した。
論文 参考訳（メタデータ） (2023-12-10T13:51:25Z) - DeepQTest: Testing Autonomous Driving Systems with Reinforcement
Learning and Real-world Weather Data [12.106514312408228]
強化学習(RL)を用いた自律走行システム(ADS)の新しいテスト手法を提案する。
DeepQTestはRLを使用して環境構成を学習する。
生成されたシナリオの現実性を保証するため、DeepQTestは現実的な制約セットを定義し、実際の気象条件を導入する。
論文 参考訳（メタデータ） (2023-10-08T13:59:43Z) - 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 Requirements-Driven Platform for Validating Field Operations of Small
Uncrewed Aerial Vehicles [48.67061953896227]
DroneReqValidator (DRV)は、sUAS開発者が運用コンテキストを定義し、複数のsUASミッション要件を設定し、安全性特性を指定し、独自のsUASアプリケーションを高忠実な3D環境にデプロイすることを可能にする。
DRVモニタリングシステムは、sUASと環境からランタイムデータを収集し、安全特性のコンプライアンスを分析し、違反をキャプチャする。
論文 参考訳（メタデータ） (2023-07-01T02:03:49Z) - PEM: Perception Error Model for Virtual Testing of Autonomous Vehicles [20.300846259643137]
この記事では、知覚エラーモデル(PEM)を定義します。
PEMは仮想シミュレーションコンポーネントであり、知覚誤差がAV安全性に与える影響を分析することができる。
我々は、カメラ、LiDAR、カメラ-LiDARのセットアップを評価することにより、PEMベースの仮想テストの有用性を実証する。
論文 参考訳（メタデータ） (2023-02-23T10:54:36Z) - Emergent Complexity and Zero-shot Transfer via Unsupervised Environment
Design [121.73425076217471]
本研究では,未知のパラメータを持つ環境を提供するUnsupervised Environment Design (UED)を提案する。
プロタゴニスト・アンタゴニストによるレグレト環境デザイン(PAIRED)と呼ぶ。
実験により, PAIREDは複雑な環境の自然なカリキュラムを生産し, PAIREDエージェントは, 高度に新規な環境での試験において, 高いゼロショット転送性能が得られることを示した。
論文 参考訳（メタデータ） (2020-12-03T17:37:01Z)
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。