論文の概要: MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2508.06534v2
• Date: Wed, 20 Aug 2025 02:30:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.141358
• Title: MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving
• Title（参考訳）: MetAdv: 自律運転のための統一的でインタラクティブな競争力テストプラットフォーム
• Authors: Aishan Liu, Jiakai Wang, Tianyuan Zhang, Hainan Li, Jiangfan Liu, Siyuan Liang, Yilong Ren, Xianglong Liu, Dacheng Tao,
• Abstract要約: MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。 フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。 生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
• 参考スコア（独自算出の注目度）: 63.875372281596576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating and ensuring the adversarial robustness of autonomous driving (AD) systems is a critical and unresolved challenge. This paper introduces MetAdv, a novel adversarial testing platform that enables realistic, dynamic, and interactive evaluation by tightly integrating virtual simulation with physical vehicle feedback. At its core, MetAdv establishes a hybrid virtual-physical sandbox, within which we design a three-layer closed-loop testing environment with dynamic adversarial test evolution. This architecture facilitates end-to-end adversarial evaluation, ranging from high-level unified adversarial generation, through mid-level simulation-based interaction, to low-level execution on physical vehicles. Additionally, MetAdv supports a broad spectrum of AD tasks, algorithmic paradigms (e.g., modular deep learning pipelines, end-to-end learning, vision-language models). It supports flexible 3D vehicle modeling and seamless transitions between simulated and physical environments, with built-in compatibility for commercial platforms such as Apollo and Tesla. A key feature of MetAdv is its human-in-the-loop capability: besides flexible environmental configuration for more customized evaluation, it enables real-time capture of physiological signals and behavioral feedback from drivers, offering new insights into human-machine trust under adversarial conditions. We believe MetAdv can offer a scalable and unified framework for adversarial assessment, paving the way for safer AD.
• Abstract（参考訳）: 自律運転(AD)システムの対向的堅牢性の評価と確保は、重要かつ未解決の課題である。 本稿では,仮想シミュレーションと物理車両のフィードバックを密に統合することにより,現実的,動的,インタラクティブな評価を可能にする,新しい対向テストプラットフォームであるMetAdvを紹介する。 中心となるMetAdvは,3層閉ループテスト環境を設計し,動的対角試験の進化を図ったハイブリッド仮想物理サンドボックスを構築している。 このアーキテクチャは、高レベル統一逆数生成から中レベルシミュレーションベースインタラクション、物理車両での低レベル実行に至るまで、エンドツーエンドの逆数評価を容易にする。 さらにMetAdvは、ADタスク、アルゴリズムパラダイム(例えば、モジュール型のディープラーニングパイプライン、エンドツーエンドの学習、ビジョン言語モデル)の幅広い範囲をサポートしている。 フレキシブルな3D車両モデリングとシミュレートされた環境と物理的環境のシームレスな遷移をサポートし、ApolloやTeslaといった商用プラットフォームとの互換性が組み込まれている。 よりカスタマイズされた評価のための柔軟な環境設定に加えて、生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にし、敵対的な条件下でのヒューマンマシン信頼に対する新たな洞察を提供する。 私たちはMetAdvが、より安全なADを実現するために、敵評価のためのスケーラブルで統一されたフレームワークを提供できると信じています。

関連論文リスト

• Bench2ADVLM: A Closed-Loop Benchmark for Vision-language Models in Autonomous Driving [28.224158941451087]
  VLM(Vision-Language Models)は、自律運転(AD)において有望なパラダイムとして登場した。 VLMベースのADシステム(ADVLM)の現在の性能評価プロトコルは、静的入力を伴うオープンループ設定に限られている。 シミュレーションと物理プラットフォーム間のリアルタイム・インタラクティブなADVLM評価のための階層型クローズドループ評価フレームワークであるBench2ADVLMを紹介した。
  論文  参考訳（メタデータ） (2025-08-04T03:43:23Z)
• Free Energy-Inspired Cognitive Risk Integration for AV Navigation in Pedestrian-Rich Environments [15.604017553153762]
  自律走行車(AV)の行動計画の最近の進歩は、他の道路利用者との対話において、印象的な社会的相互作用能力を示している。 しかし, 複雑なマルチエージェント・インタラクティブ環境において, 脆弱な道路利用者とのインタラクションにおいて, ヒューマンライクな予測と意思決定を実現することが重要な課題である。 本稿では,AVと複数歩行者間のインタラクションをモデル化するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2025-07-28T14:02:00Z)
• Test Automation for Interactive Scenarios via Promptable Traffic Simulation [48.240394447516664]
  本稿では,対話型シナリオにおけるAVプランナ評価のための,現実的かつ安全クリティカルな人間の行動を生成する自動化手法を提案する。 我々は低次元目標位置を用いて複雑な人間の行動のパラメータ化を行い、それをプロンプト可能な交通シミュレータProSimに入力する。 テスト生成を自動化するために,目標領域を探索し,ベイズ最適化を用いて安全クリティカルな動作を効率的に識別するプロンプト生成モジュールを導入する。
  論文  参考訳（メタデータ） (2025-06-01T22:29:32Z)
• Beyond Static Testbeds: An Interaction-Centric Agent Simulation Platform for Dynamic Recommender Systems [40.09105175322562]
  RecInterは、リコメンダシステムのための新しいエージェントベースのシミュレーションプラットフォームである。 RecInterでは、ユーザーアクション(例えば、レビュー、購入など)をリアルタイムで動的に更新する。 Merchant Agentsは、より現実的で進化したエコシステムを育むことができる。
  論文  参考訳（メタデータ） (2025-05-22T09:14:23Z)
• 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。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 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)
• Evolving Testing Scenario Generation Method and Intelligence Evaluation Framework for Automated Vehicles [12.670180834651912]
  本稿では、深部強化学習(DRL)を利用して、自動車両(AV)のテストおよびインテリジェンス評価のための人間のようなBVを作成する進化シナリオ生成手法を提案する。 その結果,提案シナリオは,他のベースラインシナリオと比較して高い複雑性を示し,自然主義駆動データと85%以上類似していることがわかった。
  論文  参考訳（メタデータ） (2023-06-12T14:26:12Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Building Trust in Autonomous Vehicles: Role of Virtual Reality Driving Simulators in HMI Design [8.39368916644651]
  本研究では,生理的信号から収集した連続的客観的情報に基づいて,AVのユーザエクスペリエンスを検証する手法を提案する。 本手法を車両の感覚・計画システムに関する視覚的手がかりを提供するヘッドアップディスプレイインタフェースの設計に適用した。
  論文  参考訳（メタデータ） (2020-07-27T08:42:07Z)

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。