論文の概要: LAMBDA: Covering the Multimodal Critical Scenarios for Automated Driving Systems by Search Space Quantization

• arxiv url: http://arxiv.org/abs/2412.00517v1
• Date: Sat, 30 Nov 2024 15:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:41:55.413835
• Title: LAMBDA: Covering the Multimodal Critical Scenarios for Automated Driving Systems by Search Space Quantization
• Title（参考訳）: LAMBDA:検索空間量子化による自動走行システムのマルチモーダル臨界シナリオをカバーする
• Authors: Xinzheng Wu, Junyi Chen, Xingyu Xing, Jian Sun, Ye Tian, Lihao Liu, Yong Shen,
• Abstract要約: 自動走行システム(ADS)のシナリオベーステストの高速化を目的としたブラックボックス最適化(BBO)が導入された。 論理的シナリオ空間における危険を表すすべての部分空間は、最も重要な具体的なシナリオだけでなく、安全性評価においてより重要な役割を果たす。 LAMBDA (Latent-Action Monte-Carlo Beam Search with Density Adaption) を提案する。
• 参考スコア（独自算出の注目度）: 33.87626198349963
• License:
• Abstract: Scenario-based virtual testing is one of the most significant methods to test and evaluate the safety of automated driving systems (ADSs). However, it is impractical to enumerate all concrete scenarios in a logical scenario space and test them exhaustively. Recently, Black-Box Optimization (BBO) was introduced to accelerate the scenario-based test of ADSs by utilizing the historical test information to generate new test cases. However, a single optimum found by the BBO algorithm is insufficient for the purpose of a comprehensive safety evaluation of ADSs in a logical scenario. In fact, all the subspaces representing danger in the logical scenario space, rather than only the most critical concrete scenario, play a more significant role for the safety evaluation. Covering as many of the critical concrete scenarios in a logical scenario space through a limited number of tests is defined as the Black-Box Coverage (BBC) problem in this paper. We formalized this problem in a sample-based search paradigm and constructed a coverage criterion with Confusion Matrix Analysis. Furthermore, we propose LAMBDA (Latent-Action Monte-Carlo Beam Search with Density Adaption) to solve BBC problems. LAMBDA can quickly focus on critical subspaces by recursively partitioning the logical scenario space into accepted and rejected parts. Compared with its predecessor LaMCTS, LAMBDA introduces sampling density to overcome the sampling bias from optimization and Beam Search to obtain more parallelizability. Experimental results show that LAMBDA achieves state-of-the-art performance among all baselines and can reach at most 33 and 6000 times faster than Random Search to get 95% coverage of the critical areas in 2- and 5-dimensional synthetic functions, respectively. Experiments also demonstrate that LAMBDA has a promising future in the safety evaluation of ADSs in virtual tests.
• Abstract（参考訳）: シナリオベースの仮想テストは、自動運転システム(ADS)の安全性をテストし評価するための最も重要な方法の1つである。 しかし、すべての具体的なシナリオを論理的なシナリオ空間に列挙し、それらを徹底的にテストするのは現実的ではない。 近年,過去のテスト情報を利用して新たなテストケースを生成することにより,シナリオベースのADSテストの高速化を図るため,ブラックボックス最適化(BBO)が導入されている。 しかし、論理的シナリオにおいて、ADSの包括的安全性評価のために、BBOアルゴリズムによって発見された1つの最適化は不十分である。 実際、論理的シナリオ空間における危険を表すすべての部分空間は、最も重要な具体的なシナリオだけでなく、安全性評価においてより重要な役割を果たす。 論理シナリオ空間における重要なシナリオの多くを限られた数のテストでカバーすることは、この論文ではブラックボックスカバレッジ(BBC)問題と定義されている。 我々は,この問題をサンプルベース探索パラダイムで定式化し,コンフュージョンマトリックス分析によるカバレッジ基準を構築した。 さらに, LAMBDA (Latent-Action Monte-Carlo Beam Search with Density Adaption) を提案する。 LAMBDAは論理的シナリオ空間を受理部分と受理部分に再帰的に分割することで、すぐに臨界部分空間にフォーカスすることができる。 LaMCTSと比較して、LAMBDAはサンプリング密度を導入し、最適化からのサンプリングバイアスを克服し、ビームサーチによりより並列性を得る。 実験の結果,LAMBDAはすべてのベースラインの最先端性能を達成し,Random Searchの少なくとも33倍,6000倍の速度で到達し,2次元および5次元の合成関数において,臨界領域の95%のカバレッジを得ることができた。 実験では、LAMBDAは仮想テストにおけるADSの安全性評価において有望な未来を持っていることも示している。

関連論文リスト

• UniTTA: Unified Benchmark and Versatile Framework Towards Realistic Test-Time Adaptation [66.05528698010697]
  Test-Time Adaptationは、テスト中にトレーニング済みのモデルを対象のドメインに適応させることを目的としている。 研究者は様々な挑戦シナリオを特定し、これらの課題に対処するための様々な方法を開発した。 本稿では,包括的かつ広く適用可能な統一テスト時間適応ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-07-29T15:04:53Z)
• Active Test-Time Adaptation: Theoretical Analyses and An Algorithm [51.84691955495693]
  テスト時間適応(TTA)は、教師なし設定でストリーミングテストデータの分散シフトに対処する。 完全TTA設定内に能動学習を統合する能動テスト時間適応(ATTA)の新たな問題設定を提案する。
  論文  参考訳（メタデータ） (2024-04-07T22:31:34Z)
• Few-Shot Scenario Testing for Autonomous Vehicles Based on Neighborhood Coverage and Similarity [8.97909097472183]
  大規模展開の前には、自律走行車(AV)の安全性能の試験と評価が不可欠である。 特定のAVに対して許容されるテストシナリオの数は、テスト予算と時間に対する厳格な制約によって著しく制限されています。 フェーショットテスト(FST)問題が初めてこの問題を定式化し、この問題に対処するための体系的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-02T04:47:14Z)
• 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)
• SOTIF-Compliant Scenario Generation Using Semi-Concrete Scenarios and Parameter Sampling [6.195203785530687]
  SOTIF標準は、高度な運転支援システムと自動運転システムを検証するためにシナリオベースのテストを必要とする。 既存のシナリオ生成アプローチは、シナリオ空間の探索または活用に重点を置いている。 本稿では,SOTIF準拠のテストスイートを生成するための半一致シナリオとパラメータサンプリングを提案する。
  論文  参考訳（メタデータ） (2023-08-14T09:25:24Z)
• On Pitfalls of Test-Time Adaptation [82.8392232222119]
  TTA(Test-Time Adaptation)は、分散シフトの下で堅牢性に取り組むための有望なアプローチとして登場した。 TTABは,10の最先端アルゴリズム,多種多様な分散シフト,および2つの評価プロトコルを含むテスト時間適応ベンチマークである。
  論文  参考訳（メタデータ） (2023-06-06T09:35:29Z)
• Realistic Safety-critical Scenarios Search for Autonomous Driving System via Behavior Tree [8.286351881735191]
  本研究では,行動木に基づくテストフレームワークであるMatrix-Fuzzerを提案し,現実的な安全クリティカルなテストシナリオを自動的に生成する。 提案手法では, 安全クリティカルシナリオのタイプが最も多いが, ベースラインアルゴリズムと比較して, 全体の30%程度しか生成できない。
  論文  参考訳（メタデータ） (2023-05-11T06:53:03Z)
• LAMBDA: Covering the Solution Set of Black-Box Inequality by Search Space Quantization [1.345821655503426]
  ブラックボックス関数は、入力と出力以外の明示的な情報を提供しない複雑な問題をモデル化するために広く使用される。 ブラックボックス対象関数に対する限られた評価によって設定されたソリューションを可能な限りカバーすることは、ブラックボックス被覆(BBC)問題として定義される。
  論文  参考訳（メタデータ） (2022-03-25T15:24:05Z)
• Projection & Probability-Driven Black-Box Attack [205.9923346080908]
  既存のブラックボックス攻撃は、高次元空間における過剰なクエリを必要とする。 本稿では,この問題を解決するために,プロジェクション&確率駆動型ブラックボックス攻撃(PPBA)を提案する。 我々の手法は、最先端の手法に比べて攻撃成功率の高いクエリを少なくとも24%削減する必要がある。
  論文  参考訳（メタデータ） (2020-05-08T03:37:50Z)
• Efficient statistical validation with edge cases to evaluate Highly Automated Vehicles [6.198523595657983]
  自動運転車の大規模展開は、まだ解決されていない多くの安全上の課題にもかかわらず、差し迫っているようだ。 既存の標準は、検証が要求をカバーするテストケースのセットだけを必要とする決定論的プロセスに焦点を当てています。 本稿では, 自動生成テストケースを最悪のシナリオに偏り付け, システムの挙動の統計的特性を計算するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-04T04:35:22Z)

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。