論文の概要: Txt2Sce: Scenario Generation for Autonomous Driving System Testing Based on Textual Reports
- arxiv url: http://arxiv.org/abs/2509.02150v1
- Date: Tue, 02 Sep 2025 09:57:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.988228
- Title: Txt2Sce: Scenario Generation for Autonomous Driving System Testing Based on Textual Reports
- Title（参考訳）: Txt2Sce:テキストレポートに基づく自律走行システムのシナリオ生成
- Authors: Pin Ji, Yang Feng, Zongtai Li, Xiangchi Zhou, Jia Liu, Jun Sun, Zhihong Zhao,
- Abstract要約: 我々は,テキストによる事故報告に基づいて,OpenSCENARIO形式でテストシナリオを生成するTxt2Sceを提案する。
我々は、33のシナリオファイルツリーを生成するためにTxt2Sceを使用し、オープンソースであるAutowareをテストするために合計4,373のシナリオファイルを生成する。
- 参考スコア（独自算出の注目度）: 16.895133042277582
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid advancement of deep learning and related technologies, Autonomous Driving Systems (ADSs) have made significant progress and are gradually being widely applied in safety-critical fields. However, numerous accident reports show that ADSs still encounter challenges in complex scenarios. As a result, scenario-based testing has become essential for identifying defects and ensuring reliable performance. In particular, real-world accident reports offer valuable high-risk scenarios for more targeted ADS testing. Despite their potential, existing methods often rely on visual data, which demands large memory and manual annotation. Additionally, since existing methods do not adopt standardized scenario formats (e.g., OpenSCENARIO), the generated scenarios are often tied to specific platforms and ADS implementations, limiting their scalability and portability. To address these challenges, we propose Txt2Sce, a method for generating test scenarios in OpenSCENARIO format based on textual accident reports. Txt2Sce first uses a LLM to convert textual accident reports into corresponding OpenSCENARIO scenario files. It then generates a derivation-based scenario file tree through scenario disassembly, scenario block mutation, and scenario assembly. By utilizing the derivation relationships between nodes in the scenario tree, Txt2Sce helps developers identify the scenario conditions that trigger unexpected behaviors of ADSs. In the experiments, we employ Txt2Sce to generate 33 scenario file trees, resulting in a total of 4,373 scenario files for testing the open-source ADS, Autoware. The experimental results show that Txt2Sce successfully converts textual reports into valid OpenSCENARIO files, enhances scenario diversity through mutation, and effectively detects unexpected behaviors of Autoware in terms of safety, smartness, and smoothness.
- Abstract（参考訳）: ディープラーニングと関連技術の急速な進歩により、自律運転システム(ADS)は大きな進歩を遂げ、徐々に安全クリティカルな分野に応用されつつある。
しかし、多くの事故報告は、ADSは複雑なシナリオで依然として課題に直面していることを示している。
結果として、シナリオベースのテストは欠陥を特定し、信頼性の高いパフォーマンスを保証するために欠かせないものになっています。
特に、現実世界の事故報告は、よりターゲットを絞ったADSテストに有用な高リスクシナリオを提供する。
その可能性にもかかわらず、既存のメソッドは多くの場合、大きなメモリと手動のアノテーションを必要とする視覚データに依存している。
さらに、既存のメソッドは標準化されたシナリオフォーマット(OpenSCENARIOなど)を採用していないため、生成されたシナリオは特定のプラットフォームやADS実装に結び付けられ、スケーラビリティとポータビリティが制限されることが多い。
これらの課題に対処するために,テキストによる事故報告に基づいてOpenSCENARIO形式でテストシナリオを生成するTxt2Sceを提案する。
Txt2Sceは、まずLLMを使用して、テキストの事故報告を対応するOpenSCENARIOシナリオファイルに変換する。
次に、シナリオ分解、シナリオブロックの突然変異、シナリオアセンブリを通じて、派生ベースのシナリオファイルツリーを生成する。
シナリオツリー内のノード間の導出関係を利用することで、Txt2Sceは、ADSの予期せぬ動作を引き起こすシナリオ条件の特定を支援する。
実験では、Txt2Sceを使用して33のシナリオファイルツリーを生成し、その結果、オープンソースのADSであるAutowareをテストするための合計4,373のシナリオファイルを生成する。
実験の結果、Txt2Sceはテキストレポートを有効なOpenSCENARIOファイルに変換し、変異によるシナリオの多様性を高め、安全性、スマート性、滑らか性の観点からAutowareの予期せぬ振る舞いを効果的に検出することがわかった。
関連論文リスト
- On-Demand Scenario Generation for Testing Automated Driving Systems [7.103501897220451]
リスクレベルが異なる多様なシナリオを生成するために,オンデマンドシナリオ生成フレームワーク(OSG)を提案する。
OSGは現実世界のトラフィックデータセットから学び、リスクレベルを定量的に制御するためにリスク強度レギュレータを使用している。
リスクレベルの事故タイプを比較することで,OSGの必要性を実証する。
論文 参考訳（メタデータ） (2025-05-20T07:55:36Z) - Text2Scenario: Text-Driven Scenario Generation for Autonomous Driving Test [15.601818101020996]
Text2Scenarioは、ユーザー仕様と密接に一致したシミュレーションテストシナリオを自律的に生成するフレームワークである。
結果は、手動のシナリオ構成に必要な労力を伴わない、多様なADスタックの効率的かつ正確な評価である。
論文 参考訳（メタデータ） (2025-03-04T07:20:25Z) - From Accidents to Insights: Leveraging Multimodal Data for Scenario-Driven ADS Testing [3.984220091774453]
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。
論文 参考訳（メタデータ） (2025-02-04T05:21:29Z) - 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) - LeGEND: A Top-Down Approach to Scenario Generation of Autonomous Driving Systems Assisted by Large Language Models [9.841914333647631]
シナリオ生成のトップダウン方式を特徴とするLeGENDを提案する。
最初は抽象的な機能シナリオから始まり、その後論理的で具体的なシナリオへと下降する。
形式的に記述できる論理的シナリオとは異なり、関数的シナリオは自然言語で文書化されることが多い。
論文 参考訳（メタデータ） (2024-09-16T08:01:21Z) - AutoBencher: Towards Declarative Benchmark Construction [74.54640925146289]
AutoBencherを使って、数学、多言語性、知識、安全性のためのデータセットを作成しています。
AutoBencherのスケーラビリティにより、詳細なカテゴリ知識をテストでき、既存のベンチマークよりも22%のモデルエラー(難易度)を誘発するデータセットを作成することができる。
論文 参考訳（メタデータ） (2024-07-11T10:03:47Z) - 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) - TARGET: Automated Scenario Generation from Traffic Rules for Testing Autonomous Vehicles via Validated LLM-Guided Knowledge Extraction [8.029974249105443]
TARGETは、トラフィックルールからテストシナリオを自動的に生成するエンドツーエンドフレームワークである。
交通ルールから知識を抽出するために,Large Language Model (LLM) を利用する。
TARGETはシナリオをシミュレーションでレンダリングするために実行可能なスクリプトを合成する。
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) - 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。