論文の概要: GenAI-based test case generation and execution in SDV platform

• arxiv url: http://arxiv.org/abs/2509.05112v1
• Date: Fri, 05 Sep 2025 13:50:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.603967
• Title: GenAI-based test case generation and execution in SDV platform
• Title（参考訳）: SDVプラットフォームにおけるGenAIベースのテストケース生成と実行
• Authors: Denesa Zyberaj, Lukasz Mazur, Nenad Petrovic, Pankhuri Verma, Pascal Hirmer, Dirk Slama, Xiangwei Cheng, Alois Knoll,
• Abstract要約: 本稿では,GenAIによる自動テストケース生成手法を提案する。 我々はLarge Language ModelsとVision-Language Modelsを利用して、自然言語の要件とシステム図を構造化されたGherkinテストケースに変換する。 この手法は車両信号仕様モデリングを統合し、車両信号定義を標準化する。
• 参考スコア（独自算出の注目度）: 21.748869011323134
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a GenAI-driven approach for automated test case generation, leveraging Large Language Models and Vision-Language Models to translate natural language requirements and system diagrams into structured Gherkin test cases. The methodology integrates Vehicle Signal Specification modeling to standardize vehicle signal definitions, improve compatibility across automotive subsystems, and streamline integration with third-party testing tools. Generated test cases are executed within the digital.auto playground, an open and vendor-neutral environment designed to facilitate rapid validation of software-defined vehicle functionalities. We evaluate our approach using the Child Presence Detection System use case, demonstrating substantial reductions in manual test specification effort and rapid execution of generated tests. Despite significant automation, the generation of test cases and test scripts still requires manual intervention due to current limitations in the GenAI pipeline and constraints of the digital.auto platform.
• Abstract（参考訳）: 本稿では、自然言語の要求やシステム図を構造化Gherkinテストケースに変換するために、Large Language ModelsとVision-Language Modelsを活用するGenAIによる自動テストケース生成手法を提案する。 この手法は車両信号仕様モデリングを統合し、車両信号定義を標準化し、自動車サブシステム間の互換性を改善し、サードパーティのテストツールとの統合を合理化している。 生成したテストケースは、ソフトウェア定義の車両機能の迅速な検証を容易にするために設計されたオープンでベンダ中立の環境であるDigital.auto playground内で実行される。 本研究では,手動テスト仕様作成作業の大幅な削減と,生成したテストの迅速実行を実証し,児童プレゼンス検出システムの使用例を用いてアプローチを評価する。 大幅な自動化にもかかわらず、テストケースとテストスクリプトの生成には、GenAIパイプラインの現在の制限とデジタル.autoプラットフォームの制約のため、手動で介入する必要がある。

関連論文リスト

• GenAI for Automotive Software Development: From Requirements to Wheels [3.2821049498759094]
  本稿では,GenAIを活用した自動車ソフトウェアの自動開発手法を提案する。 プロセスは要求を入力として開始し、主要な出力はシミュレーション環境のテストシナリオコードである。 弊社のアプローチは、コンプライアンスと再エンジニアリングのサイクルを短縮し、ADAS関連の機能に関して開発とテストの時間を短縮することを目的としている。
  論文  参考訳（メタデータ） (2025-07-24T09:17:13Z)
• AutoTestForge: A Multidimensional Automated Testing Framework for Natural Language Processing Models [11.958545255487735]
  NLPモデルの自動化および多次元テストフレームワークであるAutoTestForgeを紹介する。 AutoTestForge内では、テストテンプレートを自動的に生成してインスタンス化するLarge Language Models(LLM)の利用により、手作業による関与が大幅に削減される。 また、このフレームワークは、分類学、公正性、堅牢性の3つの側面にまたがってテストスイートを拡張し、NLPモデルの能力を総合的に評価する。
  論文  参考訳（メタデータ） (2025-03-07T02:44:17Z)
• Context-Aware Testing: A New Paradigm for Model Testing with Large Language Models [49.06068319380296]
  我々は,コンテキストを帰納バイアスとして用いて意味のあるモデル障害を探索するコンテキスト認識テスト(CAT)を導入する。 最初のCATシステムSMART Testingをインスタンス化し、大きな言語モデルを用いて、関連性があり、起こりうる失敗を仮説化します。
  論文  参考訳（メタデータ） (2024-10-31T15:06:16Z)
• Automatic Generation of Behavioral Test Cases For Natural Language Processing Using Clustering and Prompting [6.938766764201549]
  本稿では,大規模言語モデルと統計的手法の力を活用したテストケースの自動開発手法を提案する。 4つの異なる分類アルゴリズムを用いて行動テストプロファイルを分析し、それらのモデルの限界と強みについて議論する。
  論文  参考訳（メタデータ） (2024-07-31T21:12:21Z)
• Automated Text Scoring in the Age of Generative AI for the GPU-poor [49.1574468325115]
  自動テキストスコアリングのためのオープンソースの小規模生成言語モデルの性能と効率を解析する。 以上の結果から, GLMは, 最先端の高性能化には至らず, 適正な調整が可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-07-02T01:17:01Z)
• AutoSurvey: Large Language Models Can Automatically Write Surveys [77.0458309675818]
  本稿では,総合的な文献調査を自動作成する手法であるAutoSurveyを紹介する。 従来の調査論文は、膨大な量の情報と複雑さのために、課題に直面している。 我々の貢献には、調査問題に対する総合的な解決策、信頼性評価方法、AutoSurveyの有効性を実証する実験的な検証が含まれる。
  論文  参考訳（メタデータ） (2024-06-10T12:56:06Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Towards General Error Diagnosis via Behavioral Testing in Machine Translation [48.108393938462974]
  本稿では,機械翻訳(MT)システムの動作試験を行うための新しい枠組みを提案する。 BTPGBTの中核となる考え方は、新しいバイリンガル翻訳ペア生成アプローチを採用することである。 様々なMTシステムの実験結果から,BTPGBTは包括的かつ正確な行動検査結果を提供できることが示された。
  論文  参考訳（メタデータ） (2023-10-20T09:06:41Z)
• SilGAN: Generating driving maneuvers for scenario-based software-in-the-loop testing [0.0]
  SilGANは、自動車用ソフトウェア・イン・ザ・ループテストの仕様、刺激発生、自動化を容易にする、深い生成モデルである。 モデルはフィールド内の車両から記録されたデータを使って訓練される。
  論文  参考訳（メタデータ） (2021-07-05T07:17:49Z)
• AutoPrompt: Eliciting Knowledge from Language Models with Automatically Generated Prompts [46.03503882865222]
  AutoPromptは、勾配誘導検索に基づいて、さまざまなタスクセットのプロンプトを作成する自動メソッドである。 マスク付き言語モデル(MLM)は,感情分析や自然言語推論を,追加パラメータや微調整を伴わずに行う能力を持つことを示す。
  論文  参考訳（メタデータ） (2020-10-29T22:54:00Z)

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。