論文の概要: Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis

• arxiv url: http://arxiv.org/abs/2506.11526v1
• Date: Fri, 13 Jun 2025 07:25:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.692714
• Title: Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis
• Title（参考訳）: 自律運転の基礎モデル:シナリオ生成とシナリオ分析に関する調査
• Authors: Yuan Gao, Mattia Piccinini, Yuchen Zhang, Dingrui Wang, Korbinian Moller, Roberto Brusnicki, Baha Zarrouki, Alessio Gambi, Jan Frederik Totz, Kai Storms, Steven Peters, Andrea Stocco, Bassam Alrifaee, Marco Pavone, Johannes Betz,
• Abstract要約: シミュレーションおよびシナリオベースのテストは、自律運転システムの開発と検証のための重要なアプローチとして現れている。 ファンデーションモデルは、事前訓練された汎用AIモデルの新たな世代を表している。 本調査では,大規模言語モデル,視覚言語モデル,多モーダル大規模言語モデル,拡散モデル,自律走行シナリオの生成と解析のための世界モデルを含む統合分類法を提案する。
• 参考スコア（独自算出の注目度）: 19.212494396144404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For autonomous vehicles, safe navigation in complex environments depends on handling a broad range of diverse and rare driving scenarios. Simulation- and scenario-based testing have emerged as key approaches to development and validation of autonomous driving systems. Traditional scenario generation relies on rule-based systems, knowledge-driven models, and data-driven synthesis, often producing limited diversity and unrealistic safety-critical cases. With the emergence of foundation models, which represent a new generation of pre-trained, general-purpose AI models, developers can process heterogeneous inputs (e.g., natural language, sensor data, HD maps, and control actions), enabling the synthesis and interpretation of complex driving scenarios. In this paper, we conduct a survey about the application of foundation models for scenario generation and scenario analysis in autonomous driving (as of May 2025). Our survey presents a unified taxonomy that includes large language models, vision-language models, multimodal large language models, diffusion models, and world models for the generation and analysis of autonomous driving scenarios. In addition, we review the methodologies, open-source datasets, simulation platforms, and benchmark challenges, and we examine the evaluation metrics tailored explicitly to scenario generation and analysis. Finally, the survey concludes by highlighting the open challenges and research questions, and outlining promising future research directions. All reviewed papers are listed in a continuously maintained repository, which contains supplementary materials and is available at https://github.com/TUM-AVS/FM-for-Scenario-Generation-Analysis.
• Abstract（参考訳）: 自動運転車にとって、複雑な環境での安全なナビゲーションは、多種多様な稀な運転シナリオを扱うことに依存する。 シミュレーションおよびシナリオベースのテストは、自律運転システムの開発と検証のための重要なアプローチとして現れている。 伝統的なシナリオ生成はルールベースのシステム、知識駆動型モデル、データ駆動型合成に依存しており、しばしば限られた多様性と非現実的な安全クリティカルケースを生み出している。 事前訓練された汎用AIモデルの新たな世代を表す基盤モデルの出現により、開発者は異種入力(自然言語、センサーデータ、HDマップ、制御アクションなど)を処理でき、複雑な運転シナリオの合成と解釈が可能になる。 本稿では,2025年5月現在,自動運転におけるシナリオ生成とシナリオ解析のための基礎モデルの適用に関する調査を行う。 本調査では,大規模言語モデル,視覚言語モデル,多モーダル大規模言語モデル,拡散モデル,自律走行シナリオの生成と解析のための世界モデルを含む統合分類法を提案する。 さらに,提案手法,オープンソースデータセット,シミュレーションプラットフォーム,ベンチマークの課題について検討し,シナリオ生成と分析に特化した評価指標について検討した。 最後に、調査はオープンな課題と研究の課題を強調し、将来的な研究の方向性を概説することで締めくくられる。 レビューされたすべての論文は継続的に維持されているリポジトリにリストアップされており、補足資料が含まれており、https://github.com/TUM-AVS/FM-for-Scenario-Generation-Analysisで入手できる。

関連論文リスト

• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Realistic Corner Case Generation for Autonomous Vehicles with Multimodal Large Language Model [10.741225574706]
  AutoScenarioは、現実的なコーナーケース生成のためのフレームワークである。 複数の情報源からの安全クリティカルな現実世界データをテキスト表現に変換する。 シミュレーション・オブ・アーバンモビリティ(SUMO)とCARLAシミュレータのツールを統合している。
  論文  参考訳（メタデータ） (2024-11-29T20:23:28Z)
• Generating Out-Of-Distribution Scenarios Using Language Models [58.47597351184034]
  大規模言語モデル(LLM)は自動運転において有望であることを示している。 本稿では,多様なOF-Distribution(OOD)駆動シナリオを生成するためのフレームワークを提案する。 我々は、広範囲なシミュレーションを通じてフレームワークを評価し、新しい"OOD-ness"メトリクスを導入する。
  論文  参考訳（メタデータ） (2024-11-25T16:38:17Z)
• Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
  世界モデルとビデオ生成は、自動運転の領域において重要な技術である。 本稿では,この2つの技術の関係について検討する。 映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-11-05T08:58:35Z)
• A Survey for Foundation Models in Autonomous Driving [10.315409708116865]
  大規模言語モデルは、自動運転における計画とシミュレーションに寄与する。 ビジョンファウンデーションモデルは、3Dオブジェクトの検出やトラッキングといった重要なタスクに適応している。 多様な入力を統合するマルチモーダル基礎モデルは、例外的な視覚的理解と空間的推論を示す。
  論文  参考訳（メタデータ） (2024-02-02T02:44:59Z)
• RealGen: Retrieval Augmented Generation for Controllable Traffic Scenarios [58.62407014256686]
  RealGenは、トラフィックシナリオ生成のための新しい検索ベースのコンテキスト内学習フレームワークである。 RealGenは、複数の検索されたサンプルの振る舞いを勾配のない方法で組み合わせることで、新しいシナリオを合成する。 このコンテキスト内学習フレームワークは、シナリオを編集する機能を含む多種多様な生成機能を提供する。
  論文  参考訳（メタデータ） (2023-12-19T23:11:06Z)
• 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。