論文の概要: Methodology for Test Case Allocation based on a Formalized ODD

• arxiv url: http://arxiv.org/abs/2509.02311v1
• Date: Tue, 02 Sep 2025 13:33:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:04.045168
• Title: Methodology for Test Case Allocation based on a Formalized ODD
• Title（参考訳）: 定式化ODDによるテストケース配置の手法
• Authors: Martin Skoglund, Fredrik Warg, Anders Thoren, Sasikumar Punnekkat, Hans Hansson,
• Abstract要約: 本稿では,既存のオペレーショナル・デザイン・ドメイン(ODD)の形式化を図解し,拡張することにより,様々なテスト環境に対するテストケース割り当ての適合性を評価する手法を提案する。 結果として生成されたコンストラクトは、ODDパラメータと追加のテスト属性を統合して、所定のテスト環境に関連する機能をキャプチャする。
• 参考スコア（独自算出の注目度）: 0.4349640169711269
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of Connected, Cooperative, and Automated Mobility (CCAM) systems has significantly transformed the safety assessment landscape. Because they integrate automated vehicle functions beyond those managed by a human driver, new methods are required to evaluate their safety. Approaches that compile evidence from multiple test environments have been proposed for type-approval and similar evaluations, emphasizing scenario coverage within the systems Operational Design Domain (ODD). However, aligning diverse test environment requirements with distinct testing capabilities remains challenging. This paper presents a method for evaluating the suitability of test case allocation to various test environments by drawing on and extending an existing ODD formalization with key testing attributes. The resulting construct integrates ODD parameters and additional test attributes to capture a given test environments relevant capabilities. This approach supports automatic suitability evaluation and is demonstrated through a case study on an automated reversing truck function. The system's implementation fidelity is tied to ODD parameters, facilitating automated test case allocation based on each environments capacity for object-detection sensor assessment.
• Abstract（参考訳）: Connected, Cooperative, and Automated Mobility (CCAM) システムの出現は, 安全性評価の環境を大きく変えた。 人間の運転者が管理する以上の自動車両機能を統合するため、安全性を評価する新しい方法が求められている。 複数のテスト環境からエビデンスをコンパイルするアプローチは、システム操作設計領域(ODD)におけるシナリオカバレッジを強調し、型承認および同様の評価のために提案されている。 しかし、さまざまなテスト環境要件と異なるテスト機能との整合性は依然として困難である。 本稿では,既存のODD形式をキーテスト属性で描画・拡張することにより,テストケース割り当ての様々なテスト環境への適合性を評価する手法を提案する。 結果として生成されたコンストラクトは、ODDパラメータと追加のテスト属性を統合して、所定のテスト環境に関連する機能をキャプチャする。 提案手法は自動適合性評価をサポートし, 自動反転トラック機能に関するケーススタディを通じて実証する。 システム実装の忠実度はODDパラメータと結びついており、オブジェクト検出センサアセスメントのための各環境のキャパシティに基づいて自動テストケースアロケーションを容易にする。

関連論文リスト

• MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [63.875372281596576]
  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。
  論文  参考訳（メタデータ） (2025-08-04T03:07:54Z)
• AI-Augmented Metamorphic Testing for Comprehensive Validation of Autonomous Vehicles [7.237068561453082]
  自動運転車は交通機関に革命をもたらす可能性があるが、安全を確保することは大きな課題だ。 従来のテスト手法では、システムの振る舞いが正しいかどうかを判断するオラクルの問題を含む、重要な制限に直面している。 我々は、安定拡散のようなAI駆動画像生成ツールを統合することで、メタモルフィックテスト(MT)を強化することを提案する。
  論文  参考訳（メタデータ） (2025-02-16T23:31:59Z)
• Human-Calibrated Automated Testing and Validation of Generative Language Models [3.2855317710497633]
  本稿では,ジェネレーティブ言語モデル(GLM)の評価と検証のための包括的枠組みを提案する。 銀行などの高額な領域に展開される検索・拡張世代(RAG)システムに焦点を当てている。
  論文  参考訳（メタデータ） (2024-11-25T13:53:36Z)
• 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)
• Simulative Performance Analysis of an AD Function with Road Network Variation [0.0]
  そこで本研究では,シナリオの集合を多変量で自動テストする手法を提案する。 これらの変化は、ADF周辺の交通参加者には適用されないが、道路トポロジに関するパラメータがADFの性能に影響を及ぼすことを示すために、道路ネットワークに適用される。
  論文  参考訳（メタデータ） (2023-08-01T15:25:51Z)
• Generalizable Metric Network for Cross-domain Person Re-identification [55.71632958027289]
  クロスドメイン(ドメインの一般化)シーンは、Re-IDタスクにおいて課題となる。 既存のほとんどのメソッドは、すべてのドメインのドメイン不変またはロバストな機能を学ぶことを目的としています。 本稿では,サンプルペア空間における標本類似性を調べるために,GMN(Generalizable Metric Network)を提案する。
  論文  参考訳（メタデータ） (2023-06-21T03:05:25Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Testing Autonomous Systems with Believed Equivalence Refinement [1.370633147306388]
  本論では,当初,同値クラスの確立は専門家の信条に基づくものであると考える同値性を提案する。 ディープニューラルネットワークを使用して実装されたモジュールにフォーカスし、各カテゴリが実際のドメインに入力を分割します。
  論文  参考訳（メタデータ） (2021-03-08T07:25:20Z)

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。