Fugu-MT 論文翻訳(概要): Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing

論文の概要: Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing

arxiv url: http://arxiv.org/abs/2407.04359v1
Date: Fri, 5 Jul 2024 08:58:09 GMT
ステータス: 処理完了
システム内更新日: 2024-07-08 14:00:02.026099
Title: Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing
Title（参考訳）: ADSのダンス: 歴史的にインフォームドされたシナリオファジィングによる失敗のオーケストレーション
Authors: Tong Wang, Taotao Gu, Huan Deng, Hu Li, Xiaohui Kuang, Gang Zhao,
Abstract要約: 本稿では,シナリオベースのファジテスト手法であるScenarioFuzzを紹介する。提案手法は,グラフニューラルネットワークモデルと組み合わせて,高リスクシナリオシードの予測とフィルタリングを行う。他の手法と比較して、我々の手法は時間コストを平均60.3%削減する一方、単位時間当たりのエラーシナリオの数は103%増加した。
参考スコア（独自算出の注目度）: 8.11982607011994
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As autonomous driving systems (ADS) advance towards higher levels of autonomy, orchestrating their safety verification becomes increasingly intricate. This paper unveils ScenarioFuzz, a pioneering scenario-based fuzz testing methodology. Designed like a choreographer who understands the past performances, it uncovers vulnerabilities in ADS without the crutch of predefined scenarios. Leveraging map road networks, such as OPENDRIVE, we extract essential data to form a foundational scenario seed corpus. This corpus, enriched with pertinent information, provides the necessary boundaries for fuzz testing in the absence of starting scenarios. Our approach integrates specialized mutators and mutation techniques, combined with a graph neural network model, to predict and filter out high-risk scenario seeds, optimizing the fuzzing process using historical test data. Compared to other methods, our approach reduces the time cost by an average of 60.3%, while the number of error scenarios discovered per unit of time increases by 103%. Furthermore, we propose a self-supervised collision trajectory clustering method, which aids in identifying and summarizing 54 high-risk scenario categories prone to inducing ADS faults. Our experiments have successfully uncovered 58 bugs across six tested systems, emphasizing the critical safety concerns of ADS.
Abstract（参考訳）: 自律運転システム(ADS)がより高いレベルの自律性に向かって進むにつれ、安全確認の組織化はますます複雑化する。本稿では,シナリオベースのファジテスト手法であるScenarioFuzzを紹介する。過去のパフォーマンスを理解する振付師のように設計され、事前定義されたシナリオの欠如なしに、ADSの脆弱性を明らかにする。 OPENDRIVEなどの地図道路網を活用して,基本シナリオのシードコーパスを形成する。関連する情報に富んだこのコーパスは、起動シナリオがない場合にファズテストに必要な境界を提供する。提案手法では,グラフニューラルネットワークモデルと組み合わせて,リスクの高いシナリオシードの予測とフィルタリングを行い,過去のテストデータを用いてファジィ処理を最適化する。他の手法と比較して、我々の手法は時間コストを平均60.3%削減する一方、単位時間当たりのエラーシナリオの数は103%増加した。さらに,ADS故障の原因となる54の高リスクシナリオを同定・要約する自己教師型衝突軌道クラスタリング手法を提案する。実験では、6つのテストシステムで58のバグを発見し、ADSの重要な安全性上の懸念を強調した。

関連論文リスト

Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
論文参考訳（メタデータ） (2024-07-12T15:48:40Z)
Risk Scenario Generation for Autonomous Driving Systems based on Causal Bayesian Networks [4.172581773205466]
自律運転システム(ADS)におけるシナリオ生成のためのCausal Bayesian Networks(CBN)の利用に向けた新しいパラダイムシフトを提案する。 CBNはメリーランドの事故データを用いて構築され、検証されており、自律運転行動に影響を与える無数の要因について深い洞察を提供する。 CARLAシミュレータを用いて,ADSのエンドツーエンドテストフレームワークを構築した。
論文参考訳（メタデータ） (2024-05-25T05:26:55Z)
ACAV: A Framework for Automatic Causality Analysis in Autonomous Vehicle Accident Recordings [5.578446693797519]
近年の死者は、大規模な検査による安全性検証の重要性を強調している。本稿では,AV事故記録の因果解析を行うための自動フレームワークACAVを提案する。我々はアポロADSでACAVを評価し、110件の事故記録の93.64%で5種類の因果事象を特定できることを発見した。
論文参考訳（メタデータ） (2024-01-13T12:41:05Z)
Unsupervised User-Based Insider Threat Detection Using Bayesian Gaussian Mixture Models [0.0]
本稿では,監査データに基づく教師なしインサイダー脅威検出システムを提案する。提案手法は,ユーザベースモデルを用いて,特定の振る舞いのモデル化とWord2Vecに基づく自動特徴抽出システムを実現する。その結果,提案手法は最先端手法と競合し,精度が88%,真負率が93%,偽陽性率が6.9%であった。
論文参考訳（メタデータ） (2022-11-23T13:45:19Z)
Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
論文参考訳（メタデータ） (2022-07-14T16:58:47Z)
Toward Unsupervised Test Scenario Extraction for Automated Driving Systems from Urban Naturalistic Road Traffic Data [0.0]
提案手法は、道路交通データからシナリオを抽出するための教師なし機械学習パイプラインをデプロイする。 InDおよびSilicon Valley Intersectionsデータセットから都市交差点の自然道路交通データを評価する。階層的クラスタリングを用いて,4から5クラスタに移行すると,全体の精度が約20%向上し,41クラスタから全体の精度が84%の飽和効果が得られた。
論文参考訳（メタデータ） (2022-02-14T10:55:14Z)
Continual Learning for Fake Audio Detection [62.54860236190694]
本論文では,連続学習に基づく手法である忘れずに偽物を検出することで,モデルに新たなスプーフィング攻撃をインクリメンタルに学習させる手法を提案する。 ASVspoof 2019データセットで実験が行われる。
論文参考訳（メタデータ） (2021-04-15T07:57:05Z)
Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
論文参考訳（メタデータ） (2020-11-26T18:51:26Z)
Audio Spoofing Verification using Deep Convolutional Neural Networks by Transfer Learning [0.0]
本稿では,スプーフィング攻撃を検出するために,ディープ畳み込みニューラルネットワークに基づく音声分類器を提案する。提案手法は,メル周波数スケールにおけるパワースペクトル密度の音響的時間周波数表現を用いた。我々は、開発において0.9056%、論理アクセスシナリオの評価データセットにおいて5.32%の誤差率(EER)を達成した。
論文参考訳（メタデータ） (2020-08-08T07:14:40Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
論文参考訳（メタデータ） (2020-04-30T23:56:05Z)

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。