Fugu-MT 論文翻訳(概要): MultiTest: Physical-Aware Object Insertion for Testing Multi-sensor Fusion Perception Systems

論文の概要: MultiTest: Physical-Aware Object Insertion for Testing Multi-sensor Fusion Perception Systems

arxiv url: http://arxiv.org/abs/2401.14314v1
Date: Thu, 25 Jan 2024 17:03:02 GMT
ステータス: 処理完了
システム内更新日: 2024-01-26 13:58:07.346353
Title: MultiTest: Physical-Aware Object Insertion for Testing Multi-sensor Fusion Perception Systems
Title（参考訳）: マルチテスト:マルチセンサー融合知覚システムをテストするための物理認識オブジェクト挿入
Authors: Xinyu Gao, Zhijie Wang, Yang Feng, Lei Ma, Zhenyu Chen, Baowen Xu
Abstract要約: マルチセンサー融合(MSF、Multi-Sensor fusion)は、自動運転車や自動ロボットアームなど、多くの安全上重要なタスクや応用に対処する鍵となる技術である。既存のテスト方法は、主に単一センサーの知覚システムに焦点を当てている。複雑なMSF知覚システムのための適合性誘導型メタモルフィックテスト手法であるMultiTestを紹介する。
参考スコア（独自算出の注目度）: 23.460181958075566
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-sensor fusion stands as a pivotal technique in addressing numerous safety-critical tasks and applications, e.g., self-driving cars and automated robotic arms. With the continuous advancement in data-driven artificial intelligence (AI), MSF's potential for sensing and understanding intricate external environments has been further amplified, bringing a profound impact on intelligent systems and specifically on their perception systems. Similar to traditional software, adequate testing is also required for AI-enabled MSF systems. Yet, existing testing methods primarily concentrate on single-sensor perception systems (e.g., image-/point cloud-based object detection systems). There remains a lack of emphasis on generating multi-modal test cases for MSF systems. To address these limitations, we design and implement MultiTest, a fitness-guided metamorphic testing method for complex MSF perception systems. MultiTest employs a physical-aware approach to synthesize realistic multi-modal object instances and insert them into critical positions of background images and point clouds. A fitness metric is designed to guide and boost the test generation process. We conduct extensive experiments with five SOTA perception systems to evaluate MultiTest from the perspectives of: (1) generated test cases' realism, (2) fault detection capabilities, and (3) performance improvement. The results show that MultiTest can generate realistic and modality-consistent test data and effectively detect hundreds of diverse faults of an MSF system under test. Moreover, retraining an MSF system on the test cases generated by MultiTest can improve the system's robustness.
Abstract（参考訳）: マルチセンサー融合は、自動運転車や自動ロボットアームなど、多くの安全クリティカルなタスクや応用に取り組む上で重要な技術である。データ駆動人工知能(AI)の継続的な進歩により、複雑な外部環境を検知し理解するMCFのポテンシャルはさらに増幅され、インテリジェントシステム、特にその知覚システムに大きな影響を与えている。従来のソフトウェアと同様に、AI対応のMSFシステムにも適切なテストが必要である。しかし、既存のテスト方法は、主に単一センサーの知覚システム(イメージ/ポイントのクラウドベースの物体検出システムなど)に集中している。 msfシステムのためのマルチモーダルテストケースの生成に重点が置かれていない。これらの制約に対処するために、複雑なMSF認識システムのための適合性誘導型メタモルフィックテスト手法であるMultiTestを設計、実装する。 MultiTestは物理的なアプローチを採用し、現実的なマルチモーダルオブジェクトインスタンスを合成し、背景画像や点雲の重要な位置に挿入する。適合度指標は、テスト生成プロセスのガイドと促進のために設計されている。我々は,(1) 生成したテストケースのリアリズム,(2) 故障検出機能,(3) 性能改善の観点から,MultiTestを評価するための5つのSOTA認識システムを用いた広範囲な実験を行った。その結果,MultiTestは現実的かつモダリティに一貫性のあるテストデータを生成し,テスト中のMSFシステムの数百の障害を効果的に検出できることがわかった。さらに、MultiTestが生成したテストケースでMSFシステムを再トレーニングすることで、システムの堅牢性を向上させることができる。

関連論文リスト

AI-Compass: A Comprehensive and Effective Multi-module Testing Tool for AI Systems [26.605694684145313]
本研究では,AIシステムを包括的かつ効果的に評価するテストツール,ツールを設計,実装する。このツールは、敵の堅牢性、モデル解釈可能性、およびニューロン分析を広範囲に評価する。私たちの研究は、ランドスケープをテストするAIシステムの一般的なソリューションに光を当てています。
論文参考訳（メタデータ） (2024-11-09T11:15:17Z)
RADAR: Robust Two-stage Modality-incomplete Industrial Anomaly Detection [61.71770293720491]
本稿では,2段階のロバスト・モードアリティ不完全融合とFlaAmewoRkの検出について提案する。我々のブートストラッピング哲学は、MIIADの2段階を強化し、マルチモーダルトランスの堅牢性を向上させることである。実験の結果,提案手法は従来のMIAD法よりも有効性とロバスト性に優れていた。
論文参考訳（メタデータ） (2024-10-02T16:47:55Z)
Towards Reliable AI: Adequacy Metrics for Ensuring the Quality of System-level Testing of Autonomous Vehicles [5.634825161148484]
我々は、"Test suite Instance Space Adequacy"(TISA)メトリクスと呼ばれる一連のブラックボックステストの精度指標を紹介します。 TISAメトリクスは、テストスイートの多様性とカバレッジと、テスト中に検出されたバグの範囲の両方を評価する手段を提供する。 AVのシステムレベルのシミュレーションテストにおいて検出されたバグ数との相関を検証し,TISA測定の有効性を評価する。
論文参考訳（メタデータ） (2023-11-14T10:16:05Z)
DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文参考訳（メタデータ） (2023-10-03T10:10:42Z)
TestLab: An Intelligent Automated Software Testing Framework [0.0]
TestLabは、一連のテストメソッドを収集し、人工知能を使ってそれらを自動化しようとする自動ソフトウェアテストフレームワークである。最初の2つのモジュールは、異なる視点から脆弱性を特定することを目的としており、3番目のモジュールは、テストケースを自動的に生成することで、従来の自動ソフトウェアテストを強化する。
論文参考訳（メタデータ） (2023-06-06T11:45:22Z)
Benchmarking Robustness of AI-Enabled Multi-sensor Fusion Systems: Challenges and Opportunities [23.460181958075566]
マルチセンサー・フュージョン(MSF)ベースの認識システムは、自動運転車、ロボットアーム、無人航空機など、多くの産業用アプリケーションやドメインをサポートする基盤となっている。過去数年間、データ駆動人工知能(AI)の急速な進歩は、特にインテリジェントシステムやその知覚システムにおいて、パフォーマンスをさらに向上させるために、深層学習技術によってMSFシステムを強化する、急速なトレンドをもたらした。 AI対応のMSF認識システムや技術はいくつか提案されているが、現時点では、MSF認識にフォーカスする限られたベンチマークが公開されている。
論文参考訳（メタデータ） (2023-06-06T07:17:56Z)
Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文参考訳（メタデータ） (2023-04-21T02:20:24Z)
MMRNet: Improving Reliability for Multimodal Object Detection and Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
論文参考訳（メタデータ） (2022-10-19T19:15:07Z)
Testing Deep Learning Models: A First Comparative Study of Multiple Testing Techniques [15.695048480513536]
視覚ベースのシステム(VBS)は、自律運転、ロボット手術、重要なインフラ監視、航空および海上交通管制などに用いられる。ディープラーニング(DL)は、自律運転、ロボット手術、重要なインフラ監視、空気および海洋交通制御などの重要な応用において、視覚ベースのシステム(VBS)の能力に革命をもたらした。
論文参考訳（メタデータ） (2022-02-24T15:05:19Z)
Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文参考訳（メタデータ） (2021-01-28T16:38:26Z)
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)

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。