論文の概要: DriveTester: A Unified Platform for Simulation-Based Autonomous Driving Testing
- arxiv url: http://arxiv.org/abs/2412.12656v1
- Date: Tue, 17 Dec 2024 08:24:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-18 14:02:04.833714
- Title: DriveTester: A Unified Platform for Simulation-Based Autonomous Driving Testing
- Title（参考訳）: DriveTester:シミュレーションベースの自律走行テストのための統一プラットフォーム
- Authors: Mingfei Cheng, Yuan Zhou, Xiaofei Xie,
- Abstract要約: DriveTesterはApollo上に構築されたシミュレーションベースの統合テストプラットフォームである。
一貫性があり信頼性の高い環境を提供し、軽量な交通シミュレータを統合し、様々な最先端のADSテスト技術を取り入れている。
- 参考スコア（独自算出の注目度）: 24.222344794923558
- License:
- Abstract: Simulation-based testing plays a critical role in evaluating the safety and reliability of autonomous driving systems (ADSs). However, one of the key challenges in ADS testing is the complexity of preparing and configuring simulation environments, particularly in terms of compatibility and stability between the simulator and the ADS. This complexity often results in researchers dedicating significant effort to customize their own environments, leading to disparities in development platforms and underlying systems. Consequently, reproducing and comparing these methodologies on a unified ADS testing platform becomes difficult. To address these challenges, we introduce DriveTester, a unified simulation-based testing platform built on Apollo, one of the most widely used open-source, industrial-level ADS platforms. DriveTester provides a consistent and reliable environment, integrates a lightweight traffic simulator, and incorporates various state-of-the-art ADS testing techniques. This enables researchers to efficiently develop, test, and compare their methods within a standardized platform, fostering reproducibility and comparison across different ADS testing approaches. The code is available: https://github.com/MingfeiCheng/DriveTester.
- Abstract（参考訳）: シミュレーションに基づくテストは、自律運転システム(ADS)の安全性と信頼性を評価する上で重要な役割を果たす。
しかし、ADSテストにおける重要な課題の1つは、特にシミュレータとADSの互換性と安定性の観点から、シミュレーション環境の準備と構成の複雑さである。
この複雑さは、しばしば研究者が自身の環境をカスタマイズするために多大な努力を払っており、開発プラットフォームと基盤システムの相違につながっている。
その結果,これらの手法を統合ADSテストプラットフォーム上で再現・比較することは困難である。
これらの課題に対処するため、我々は、Apollo上に構築されたシミュレーションベースの統合テストプラットフォームであるDriveTesterを紹介した。
DriveTesterは、一貫性のある信頼性のある環境を提供し、軽量なトラフィックシミュレータを統合し、さまざまな最先端のADSテスト技術を取り入れている。
これにより、研究者は標準化されたプラットフォーム内でメソッドを効率的に開発、テスト、比較することができ、異なるADSテストアプローチ間で再現性と比較を促進することができる。
コードは、https://github.com/MingfeiCheng/DriveTester.comで入手できる。
関連論文リスト
- Evaluating the Impact of Flaky Simulators on Testing Autonomous Driving
Systems [2.291478393584594]
シミュレーションに基づく自律運転システム(ADS)のテストにおけるフレキネスの検討
ADSにおけるテストフレキネスは一般的な現象であり,ランダム化アルゴリズムにより得られたテスト結果に大きな影響を及ぼす可能性が示唆された。
我々の機械学習(ML)分類器は、単一のテスト実行のみを使用して、脆弱なADSテストを効果的に識別する。
論文 参考訳（メタデータ） (2023-11-30T18:08:02Z) - Drive Anywhere: Generalizable End-to-end Autonomous Driving with
Multi-modal Foundation Models [114.69732301904419]
本稿では、画像とテキストで検索可能な表現から、運転決定を提供することができる、エンドツーエンドのオープンセット(環境/シーン)自律運転を適用するアプローチを提案する。
当社のアプローチでは, 多様なテストにおいて非並列的な結果を示すと同時に, アウト・オブ・ディストリビューションの状況において, はるかに高いロバスト性を実現している。
論文 参考訳（メタデータ） (2023-10-26T17:56:35Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - 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) - OpenSBT: A Modular Framework for Search-based Testing of Automated
Driving Systems [0.4499833362998489]
検索ベースソフトウェアテスト(SBT)は、自動走行システム(ADS)をテストするための効率的かつ効率的な手法である。
ADSのSBTを促進するオープンソース、モジュール、およびフレームワークであるOpenSBTを紹介する。
論文 参考訳（メタデータ） (2023-06-17T08:51:42Z) - NeurIPS 2022 Competition: Driving SMARTS [60.948652154552136]
ドライビングSMARTSは、動的相互作用コンテキストにおける分散シフトに起因する問題に対処するために設計された定期的な競争である。
提案するコンペティションは,強化学習(RL)やオフライン学習など,方法論的に多様なソリューションをサポートする。
論文 参考訳（メタデータ） (2022-11-14T17:10:53Z) - A Survey on Scenario-Based Testing for Automated Driving Systems in
High-Fidelity Simulation [26.10081199009559]
道路上でシステムをテストすることは、現実世界と望ましいアプローチに最も近いが、非常にコストがかかる。
一般的な選択肢は、ADSのパフォーマンスを、よく設計されたシナリオ、すなわちシナリオベースのテストで評価することである。
高忠実度シミュレータはこの設定で、何のシナリオかをテストする際の柔軟性と利便性を最大化するために広く使われている。
論文 参考訳（メタデータ） (2021-12-02T03:41:33Z) - Efficient and Effective Generation of Test Cases for Pedestrian
Detection -- Search-based Software Testing of Baidu Apollo in SVL [14.482670650074885]
本稿では,SVLシミュレータ内での自律走行プラットフォームであるBaidu Apolloの歩行者検出と緊急制動システムの試験について述べる。
本稿では,SVL環境におけるApolloの障害検出シナリオを生成する進化的自動テスト生成手法を提案する。
また,本手法の有効性と有効性を示すため,ベースラインランダム生成手法の結果も報告する。
論文 参考訳（メタデータ） (2021-09-16T13:11:53Z) - Digital Twins Are Not Monozygotic -- Cross-Replicating ADAS Testing in
Two Industry-Grade Automotive Simulators [13.386879259549305]
SBSTは2つのシミュレータで重要なテストシナリオを効率的かつ効率的に生成できることを示した。
2つのシミュレータで同じテストシナリオを実行すると、テスト出力の詳細に顕著な違いが生じることが分かりました。
論文 参考訳（メタデータ） (2020-12-12T14:00:33Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳（メタデータ） (2020-09-09T15:31:29Z) - 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。