論文の概要: From Accidents to Insights: Leveraging Multimodal Data for Scenario-Driven ADS Testing

• arxiv url: http://arxiv.org/abs/2502.02025v1
• Date: Tue, 04 Feb 2025 05:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:02:32.485592
• Title: From Accidents to Insights: Leveraging Multimodal Data for Scenario-Driven ADS Testing
• Title（参考訳）: 事故から洞察へ:シナリオ駆動型ADSテストにマルチモーダルデータを活用する
• Authors: Siwei Luo, Yang Zhang, Yao Deng, Xi Zheng,
• Abstract要約: 本稿では,シナリオベースADSテストケース生成フレームワークであるTRACEを紹介する。 マルチモーダルデータを活用して、現実世界の事故報告から困難なシナリオを抽出することで、TRACEは少ないデータで多数の重要なテストケースを構築します。 ユーザからのフィードバックによると、TRACEはシナリオ再構築の精度が優れており、シナリオの77.5%が"ほぼ"あるいは"完全に"一貫性がある"と評価されている。
• 参考スコア（独自算出の注目度）: 3.984220091774453
• License:
• Abstract: The rapid advancements in Autonomous Driving Systems (ADS) have necessitated robust software testing to ensure safety and reliability. However, automating the generation of scalable and concrete test scenarios remains a significant challenge. Current scenario-based test case generation methods often face limitations, such as unrealistic scenes and inaccurate vehicle trajectories. These challenges largely result from the loss of map information during data extraction and the lack of an effective verification mechanism to mitigate hallucinations in large language models (LLMs). This paper introduces TRACE, a scenario-based ADS Test case Generation framework for Critical Scenarios. By leveraging multimodal data to extract challenging scenarios from real-world car crash reports, TRACE constructs numerous critical test cases with less data, significantly enhancing ADS bug detection efficiency. Using in-context learning, chain-of-thought prompting, and self-validation approaches, we use LLMs to extract environmental and road network information from crash reports. For vehicle trajectory planning, data containing map information and vehicle coordinates serves as a knowledge base to build a ChatGPT-based LLM with path-planning capabilities, which we named TrackMate. Based on 50 existing crash reports, our approach successfully tested three ADS models across two simulation platforms, MetaDrive and BeamNG. Of the 290 constructed test scenarios, 127 are identified as critical, as they resulted in vehicle collisions. Additionally, user feedback reveals that TRACE demonstrates superior scenario reconstruction accuracy, with 77.5% of the scenarios being rated as 'mostly or 'totally' consistent, compared to only 27% for the most related SOTA, LCTGen.
• Abstract（参考訳）: 自律運転システム(ADS)の急速な進歩は、安全性と信頼性を確保するために堅牢なソフトウェアテストを必要としている。 しかしながら、スケーラブルで具体的なテストシナリオの自動生成は、依然として大きな課題です。 現在のシナリオベースのテストケース生成手法は、非現実的なシーンや不正確な車両軌道のような制限に直面していることが多い。 これらの課題は、データ抽出中に地図情報が失われることや、大規模な言語モデル(LLM)における幻覚を緩和するための効果的な検証メカニズムが欠如していることに起因している。 本稿では,シナリオベースADSテストケース生成フレームワークであるTRACEを紹介する。 マルチモーダルデータを活用して、実世界の自動車事故報告から挑戦的なシナリオを抽出することにより、TRACEはデータが少ない多くの重要なテストケースを構築し、ADSバグ検出効率を大幅に向上させる。 インコンテキスト学習,チェーン・オブ・ソート・プロンプト,自己検証アプローチを用いて,事故報告から環境・道路ネットワーク情報を抽出する。 車両軌道計画において、地図情報と車両座標を含むデータは、経路計画機能を備えたChatGPTベースのLCMを構築するための知識ベースとして機能し、TrackMateと命名した。 既存の50件のクラッシュレポートに基づいて,MetaDriveとBeamNGの2つのシミュレーションプラットフォーム上で,3つのADSモデルの試験に成功した。 建設された290の試験シナリオのうち、車両衝突の結果、127が重要視されている。 さらに、ユーザからのフィードバックによると、TRACEは、最も関連するSOTA、LCTGenのわずか27%に対して、77.5%のシナリオが"ほぼ"あるいは"完全に"整合性"であると評価されている。

関連論文リスト

• Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
  我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。 セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。 本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
  論文  参考訳（メタデータ） (2025-01-23T11:10:02Z)
• Foundation Models for Rapid Autonomy Validation [4.417336418010182]
  重要な課題は、自動運転車が遭遇するあらゆる種類の運転シナリオでテストする必要があることだ。 本研究では,運転シナリオを再構築するための行動基礎モデル,特にマスク付きオートエンコーダ(MAE)の使用を提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:32:43Z)
• ICSFuzz: Collision Detector Bug Discovery in Autonomous Driving Simulators [11.343198884451166]
  本稿では,自律走行シミュレータの信頼性向上を目的として,無視衝突シナリオを系統的に発見することを目的とする。 我々は、無視された衝突シナリオを効率的に発見するためのブラックボックスファジリング手法であるICSFuzzを提案する。 我々はICSFuzzを、最先端のシミュレーションベースのADSテスト手法であるDriveFuzzと比較し、その託宣を我々の無視照合対応託宣に置き換えた。
  論文  参考訳（メタデータ） (2024-08-11T04:48:54Z)
• Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing [8.11982607011994]
  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。
  論文  参考訳（メタデータ） (2024-07-05T08:58:09Z)
• Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
  我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。 さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。 実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-16T03:10:16Z)
• Hard Cases Detection in Motion Prediction by Vision-Language Foundation Models [16.452638202694246]
  本研究は、自動運転におけるハードケースの検出におけるビジョン・ランゲージ・ファンデーション・モデル(VLM)の可能性を探るものである。 設計したプロンプトで逐次画像フレームを供給し,課題のあるエージェントやシナリオを効果的に識別する,実現可能なパイプラインを提案する。 NuScenesデータセット上で、パイプラインを最先端の手法に組み込むことの有効性と可能性を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:35:41Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• TARGET: Automated Scenario Generation from Traffic Rules for Testing Autonomous Vehicles [8.508687759145841]
  TARGETは、トラフィックルールに基づくテストシナリオの自動生成用に設計されたエンドツーエンドフレームワークである。 我々は、交通ルールから知識を自動的に抽出し、交通ルール記述をDSL表現に変換するために、大きな言語モデルを活用する。 TARGETは実行可能なテストシナリオスクリプトを合成して、シミュレータでテストシナリオをレンダリングする。
  論文  参考訳（メタデータ） (2023-05-10T10:04:08Z)
• DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving [76.29141888408265]
  本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。 提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
  論文  参考訳（メタデータ） (2023-04-03T17:37:00Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)

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。