論文の概要: MoDitector: Module-Directed Testing for Autonomous Driving Systems

• arxiv url: http://arxiv.org/abs/2502.08504v1
• Date: Wed, 12 Feb 2025 15:35:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:49:32.846377
• Title: MoDitector: Module-Directed Testing for Autonomous Driving Systems
• Title（参考訳）: MoDitector: 自律運転システムのためのモジュール指向テスト
• Authors: Renzhi Wang, Mingfei Cheng, Xiaofei Xie, Yuan Zhou, Lei Ma,
• Abstract要約: MoDitectorはADS(Autonomous Driving Systems)のための最初の根本原因認識試験法である 以前のアプローチとは異なり、MoDitectorは衝突につながるシナリオを生成するだけでなく、どの特定のモジュールが障害を引き起こしたかを示す。
• 参考スコア（独自算出の注目度）: 25.16391422326855
• License:
• Abstract: Testing Autonomous Driving Systems (ADS) is crucial for ensuring their safety, reliability, and performance. Despite numerous testing methods available that can generate diverse and challenging scenarios to uncover potential vulnerabilities, these methods often treat ADS as a black-box, primarily focusing on identifying system failures like collisions or near-misses without pinpointing the specific modules responsible for these failures. Understanding the root causes of failures is essential for effective debugging and subsequent system repair. We observed that existing methods also fall short in generating diverse failures that adequately test the distinct modules of an ADS, such as perception, prediction, planning and control. To bridge this gap, we introduce MoDitector, the first root-cause-aware testing method for ADS. Unlike previous approaches, MoDitector not only generates scenarios leading to collisions but also showing which specific module triggered the failure. This method targets specific modules, creating test scenarios that highlight the weaknesses of these given modules. Specifically, our approach involves designing module-specific oracles to ascertain module failures and employs a module-directed testing strategy that includes module-specific feedback, adaptive seed selection, and mutation. This strategy guides the generation of tests that effectively provoke module-specific failures. We evaluated MoDitector across four critical ADS modules and four testing scenarios. Our approach represents a significant innovation in ADS testing by focusing on identifying and rectifying module-specific errors within the system, moving beyond conventional black-box failure detection.
• Abstract（参考訳）: 自律運転システム(ADS)のテストは、安全性、信頼性、パフォーマンスを保証するために不可欠である。 潜在的な脆弱性を明らかにするために多様で困難なシナリオを生成する、数多くのテスト手法があるが、これらの手法は、ADSをブラックボックスとして扱うことが多く、主に、これらの障害の原因となる特定のモジュールを特定せずに、衝突やニアミスなどのシステム障害を特定することに重点を置いている。 障害の根本原因を理解することは、効果的なデバッグとその後のシステム修復に不可欠である。 既存の手法は、認識、予測、計画、制御など、ADSの異なるモジュールを適切にテストする多様な障害を発生させるのにも不十分である。 このギャップを埋めるために, ADS の根源判定試験法である MoDitector を導入する。 以前のアプローチとは異なり、MoDitectorは衝突につながるシナリオを生成するだけでなく、どの特定のモジュールが障害を引き起こしたかを示す。 このメソッドは特定のモジュールをターゲットにしており、与えられたモジュールの弱点を強調するテストシナリオを作成する。 具体的には、モジュール固有のオーラクルを設計し、モジュール固有のフィードバック、適応的なシード選択、突然変異を含むモジュール指向のテスト戦略を採用する。 この戦略は、モジュール固有の障害を効果的に誘発するテストの生成を導く。 4つの重要なADSモジュールと4つのテストシナリオでMoDitectorを評価した。 我々のアプローチは、システム内のモジュール固有のエラーを特定し、修正することに焦点を当て、従来のブラックボックス障害検出を超えて、ADSテストにおいて重要な革新を表現している。

関連論文リスト

• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• Fault Detection and Monitoring using a Data-Driven Information-Based Strategy: Method, Theory, and Application [5.056456697289351]
  本稿では,新しいコンセプトドリフト検出器に基づく情報駆動型故障検出手法を提案する。 本手法は,加法雑音モデルの入出力関係におけるドリフトの同定に適している。 提案したMIに基づく故障検出手法の理論的特性を実証する。
  論文  参考訳（メタデータ） (2024-05-06T17:43:39Z)
• GRAMMAR: Grounded and Modular Methodology for Assessment of Closed-Domain Retrieval-Augmented Language Model [6.106667677504318]
  Retrieval-Augmented Generation (RAG) システムは、クローズドドメインや社内知識ベースを問うために様々な産業で広く利用されている。 これらのシステムを評価することは、クローズドドメインデータのプライベートな性質と、真理を検証できるクエリの不足により、大きな課題となる。 本稿では,グラウンドドデータ生成プロセスを含む評価フレームワークであるGRAMMARと,欠陥モジュールを効果的に特定する評価プロトコルを紹介する。
  論文  参考訳（メタデータ） (2024-04-30T03:29:30Z)
• Degradation Modeling and Prognostic Analysis Under Unknown Failure Modes [17.72961616186932]
  操作ユニットは複雑なシステムで様々な障害モードを経験します。 現在の予測的アプローチは、劣化中の障害モードを無視したり、既知の障害モードラベルを仮定する。 センサ信号の高次元性と複雑な関係は、故障モードを正確に識別することが困難である。
  論文  参考訳（メタデータ） (2024-02-29T15:57:09Z)
• Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt [80.43623986759691]
  UCADと呼ばれる新しい非教師付き連続異常検出フレームワークを提案する。 このフレームワークは、対照的に学習したプロンプトを通じて、UDAに継続的な学習能力を持たせる。 我々は総合的な実験を行い、教師なし連続異常検出とセグメンテーションのベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-01-02T03:37:11Z)
• TIDE: Test Time Few Shot Object Detection [11.036762620105383]
  Few-shot Object Detection (FSOD) は、対象ドメイン内の新しいカテゴリの限られたオブジェクトインスタンスから意味的知識を抽出することを目的としている。 FSODの最近の進歩は、メタ学習やデータ拡張を通じて、いくつかのオブジェクトに基づいてベースモデルを微調整することに焦点を当てている。 我々は、新しいFSODタスクを定式化し、TIDE(Test TIme Few Shot Detection)と呼ぶ。
  論文  参考訳（メタデータ） (2023-11-30T09:00:44Z)
• Attacking Motion Planners Using Adversarial Perception Errors [5.423900036420565]
  様々な知覚品質の指標で非常に高いスコアを得たプランナー入力を構築できるが、それでも計画上の失敗に繋がることを示す。 都市・高速道路の運転シナリオにおいて、2つの異なるブラックボックスプランナに対する攻撃を見つけることで,このアルゴリズムの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-21T16:51:33Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
  人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。 このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
  論文  参考訳（メタデータ） (2022-08-30T20:16:17Z)
• Absolute Wrong Makes Better: Boosting Weakly Supervised Object Detection via Negative Deterministic Information [54.35679298764169]
  弱教師付き物体検出(WSOD)は、画像レベルのラベルを用いて物体検出を訓練する難しい課題である。 本稿では,WSODにおける決定論的情報を特定し,完全に活用することに焦点を当てる。 我々は、WSOD、すなわちNDI-WSODを改善するための負の決定論的情報(NDI)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T12:55:27Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)

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。