論文の概要: scenario.center: Methods from Real-world Data to a Scenario Database

• arxiv url: http://arxiv.org/abs/2404.02561v1
• Date: Wed, 3 Apr 2024 08:29:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-04 18:00:28.437371
• Title: scenario.center: Methods from Real-world Data to a Scenario Database
• Title（参考訳）: scenario.center: 実世界のデータからシナリオデータベースへのメソッド
• Authors: Michael Schuldes, Christoph Glasmacher, Lutz Eckstein,
• Abstract要約: 本稿ではシナリオデータ処理と管理を行うシナリオデータベースシナリオ.centerについて述べる。 品質要件が定義された共通入力形式が定義される。 評価のために、この方法論は最先端のシナリオデータベースと比較される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scenario-based testing is a promising method to develop, verify and validate automated driving systems (ADS) since pure on-road testing seems inefficient for complex traffic environments. A major challenge for this approach is the provision and management of a sufficient number of scenarios to test a system. The provision, generation, and management of scenario at scale is investigated in current research. This paper presents the scenario database scenario.center ( https://scenario.center ) to process and manage scenario data covering the needs of scenario-based testing approaches comprehensively and automatically. Thereby, requirements for such databases are described. Based on those, a four-step approach is proposed. Firstly, a common input format with defined quality requirements is defined. This is utilized for detecting events and base scenarios automatically. Furthermore, methods for searchability, evaluation of data quality and different scenario generation methods are proposed to allow a broad applicability serving different needs. For evaluation, the methodology is compared to state-of-the-art scenario databases. Finally, the application and capabilities of the database are shown by applying the methodology to the inD dataset. A public demonstration of the database interface is provided at https://scenario.center .
• Abstract（参考訳）: シナリオベースのテストは、複雑な交通環境において純粋なオンロードテストが非効率であるように見えるため、自動走行システム(ADS)の開発、検証、検証を行うための有望な方法である。 このアプローチの大きな課題は、システムをテストするのに十分な数のシナリオのプロビジョニングと管理である。 近年の研究では,大規模シナリオの提供,生成,管理について検討している。 本稿では,シナリオベースのテストアプローチの必要性を包括的かつ自動的にカバーするシナリオデータを処理し,管理するためのシナリオデータベースシナリオ.center(https://scenario.center )を提案する。 これにより、このようなデータベースの要件が記述される。 これらのことから,4段階のアプローチが提案されている。 まず、品質要件が定義された共通入力形式を定義する。 これはイベントやベースシナリオを自動的に検出するために利用される。 さらに,検索性,データ品質評価,シナリオ生成方法の異なる手法を提案し,異なるニーズに合った広い適用性を実現する。 評価のために、この方法論は最先端のシナリオデータベースと比較される。 最後に、この方法論をinDデータセットに適用することにより、データベースのアプリケーションと機能を示す。 データベースインターフェースの公開デモはhttps://scenario.center.comで公開されている。

関連論文リスト

• Adaptive Utilization of Cross-scenario Information for Multi-scenario Recommendation [11.489766641148151]
  マルチシナリオ勧告(Multi-scenario Recommendation、MSR)は、さまざまなシナリオからの情報を活用することで、ランキングパフォーマンスを向上させる重要なトピックである。 MSRの最近の手法は主に、共通性とシナリオ間の差異をモデル化するために共有または特定のモジュールを構築する。 我々は,シナリオに支配された専門家の混在により,すべてのシナリオに対処するために,CSII(Cross-Scenario Information Interaction)という統合モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-29T06:17:33Z)
• SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation [55.87169702896249]
  Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。 本稿では,DA手法の評価と,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの公平な評価を行うフレームワークを提案する。 本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-07-16T12:52:29Z)
• Better Practices for Domain Adaptation [62.70267990659201]
  ドメイン適応(DA)は、ラベルを使わずに、モデルを配置データに適用するためのフレームワークを提供することを目的としている。 DAの明確な検証プロトコルは、文献の悪い実践につながっている。 ドメイン適応手法の3つの分野にまたがる課題を示す。
  論文  参考訳（メタデータ） (2023-09-07T17:44:18Z)
• Acquire Driving Scenarios Efficiently: A Framework for Prospective Assessment of Cost-Optimal Scenario Acquisition [0.1999925939110439]
  本稿では,シナリオ生成手法のコスト-最適利用の定量化手法を提案する。 到達可能な完全カバレッジ,品質基準,コストの予測を含むメタモデルに適合する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-21T15:26:08Z)
• Tree-Based Scenario Classification: A Formal Framework for Coverage Analysis on Test Drives of Autonomous Vehicles [0.0]
  シナリオベースのテストでは、関連する(運転)シナリオがテストの基礎になります。 シナリオの集合を分類し、記録されたテストドライブにおけるこれらのシナリオのカバレッジを測定するというオープンな課題に対処する。
  論文  参考訳（メタデータ） (2023-07-11T08:30:57Z)
• Accessing and Interpreting OPC UA Event Traces based on Semantic Process Descriptions [69.9674326582747]
  本稿では、イベントデータのコンテキストに基づいて、プロダクションシステムのイベントデータにアクセスするアプローチを提案する。 本手法は,1)生産システムの階層構造の意味モデル,2)形式化されたプロセス記述,3)OPC UA情報モデルを組み合わせることによって,データベースシステムからフィルタリングイベントログを抽出する。
  論文  参考訳（メタデータ） (2022-07-25T15:13:44Z)
• CAFA: Class-Aware Feature Alignment for Test-Time Adaptation [50.26963784271912]
  テスト時間適応(TTA)は、テスト時にラベルのないデータにモデルを適応させることによって、この問題に対処することを目的としている。 本稿では,クラス認識特徴アライメント(CAFA, Class-Aware Feature Alignment)と呼ばれる単純な機能アライメント損失を提案する。
  論文  参考訳（メタデータ） (2022-06-01T03:02:07Z)
• UMAD: Universal Model Adaptation under Domain and Category Shift [138.12678159620248]
  Universal Model Adaptation (UMAD)フレームワークは、ソースデータにアクセスせずに両方のUDAシナリオを処理する。 未知のサンプルと未知のサンプルを識別するのに役立つ情報整合性スコアを開発した。 オープンセットおよびオープンパーティルセット UDA シナリオの実験では、UMAD が最先端のデータ依存手法に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2021-12-16T01:22:59Z)
• Bellamy: Reusing Performance Models for Distributed Dataflow Jobs Across Contexts [52.9168275057997]
  本稿では、スケールアウト、データセットサイズ、ランタイムをデータフロージョブの記述的特性と組み合わせた新しいモデリング手法であるBelamyを提案する。 我々は,異なる環境で実行される各種データフロージョブの実行データからなる2つの公開データセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-07-29T11:57:38Z)
• Unsupervised Lane-Change Identification for On-Ramp Merge Analysis in Naturalistic Driving Data [0.0]
  シナリオ駆動アプローチは、シナリオの堅牢なデータ基盤の要件を強調するCAVの受け入れを得ています。 本研究では,シナリオ分類とアセスメントを可能にするオンランプシナリオ識別フレームワークを提案する。 フレームワークの有効性は、Test Bed Lower Saxonyで収集されたデータセットで示される。
  論文  参考訳（メタデータ） (2021-04-12T17:32:22Z)
• Real-World Scenario Mining for the Assessment of Automated Vehicles [12.962830182937035]
  2段階のアプローチで実世界のデータからシナリオをキャプチャする手法を提案する。 この手法は特定のシナリオには当てはまらないため、様々なシナリオに適用することができる。
  論文  参考訳（メタデータ） (2020-05-31T10:10:39Z)

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。