論文の概要: A Digital Twin Framework for Metamorphic Testing of Autonomous Driving Systems Using Generative Model

• arxiv url: http://arxiv.org/abs/2510.07133v1
• Date: Wed, 08 Oct 2025 15:27:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.595668
• Title: A Digital Twin Framework for Metamorphic Testing of Autonomous Driving Systems Using Generative Model
• Title（参考訳）: 生成モデルを用いた自律走行システムの変成試験用デジタル双極子フレームワーク
• Authors: Tony Zhang, Burak Kantarci, Umair Siddique,
• Abstract要約: 本稿では,デジタルツイン駆動メタモルフィックテストフレームワークを提案する。 私たちは、自動運転システムとその運用環境の仮想レプリカを作成します。 デジタルツイン技術と、安定拡散のようなAIに基づく画像生成モデルを組み合わせることで、本手法は現実的な運転シーンを体系的に生成することを可能にする。
• 参考スコア（独自算出の注目度）: 5.424069096422898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ensuring the safety of self-driving cars remains a major challenge due to the complexity and unpredictability of real-world driving environments. Traditional testing methods face significant limitations, such as the oracle problem, which makes it difficult to determine whether a system's behavior is correct, and the inability to cover the full range of scenarios an autonomous vehicle may encounter. In this paper, we introduce a digital twin-driven metamorphic testing framework that addresses these challenges by creating a virtual replica of the self-driving system and its operating environment. By combining digital twin technology with AI-based image generative models such as Stable Diffusion, our approach enables the systematic generation of realistic and diverse driving scenes. This includes variations in weather, road topology, and environmental features, all while maintaining the core semantics of the original scenario. The digital twin provides a synchronized simulation environment where changes can be tested in a controlled and repeatable manner. Within this environment, we define three metamorphic relations inspired by real-world traffic rules and vehicle behavior. We validate our framework in the Udacity self-driving simulator and demonstrate that it significantly enhances test coverage and effectiveness. Our method achieves the highest true positive rate (0.719), F1 score (0.689), and precision (0.662) compared to baseline approaches. This paper highlights the value of integrating digital twins with AI-powered scenario generation to create a scalable, automated, and high-fidelity testing solution for autonomous vehicle safety.
• Abstract（参考訳）: 自動運転車の安全性を確保することは、現実の運転環境の複雑さと予測不能性のために依然として大きな課題である。 従来のテスト手法では、オラクルの問題のような重大な制限に直面しており、システムの振る舞いが正しいかどうかを判断することは困難であり、自動運転車が遭遇する可能性のあるあらゆるシナリオをカバーすることができない。 本稿では,自動運転システムとその運用環境の仮想レプリカを作成することで,これらの課題に対処するデジタルツイン駆動メタモルフィックテストフレームワークを提案する。 デジタルツイン技術と、安定拡散のようなAIに基づく画像生成モデルを組み合わせることで、本手法は現実的で多様な運転シーンを体系的に生成することを可能にする。 これには、気象、道路トポロジー、環境の特徴のバリエーションが含まれており、オリジナルのシナリオのコアセマンティクスを維持している。 デジタルツインは、制御可能かつ繰り返し可能な方法で変更をテストできる同期シミュレーション環境を提供する。 この環境では、現実世界の交通ルールと車両の挙動にインスパイアされた3つのメタモルフィック関係を定義する。 Udacity自動運転シミュレータのフレームワークを検証するとともに,テストカバレッジと有効性を大幅に向上することを示す。 本手法は, ベースライン法と比較して, 真正率 (0.719), F1スコア (0.689), 精度 (0.662) を最大とする。 本稿では、自律走行車安全性のためのスケーラブルで自動化された高忠実度テストソリューションを構築するために、デジタルツインとAIを活用したシナリオ生成を統合することの価値を強調した。

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)
• 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)
• Adversarial Safety-Critical Scenario Generation using Naturalistic Human Driving Priors [2.773055342671194]
  本研究では,自然主義的人間運転先行と強化学習技術を用いた自然逆シナリオ生成ソリューションを提案する。 本研究は,本モデルにより,自然性と逆性の両方をカバーする現実的な安全クリティカルなテストシナリオを生成できることを示す。
  論文  参考訳（メタデータ） (2024-08-06T13:58:56Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• 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)
• Coverage-based Scene Fuzzing for Virtual Autonomous Driving Testing [7.820464285404852]
  本稿では,様々な構成パラメータを自動生成して新たな運転シーンを生成するための,カバレッジ駆動型ファジリング手法を提案する。 実験結果から, このファジィ法は, テスタが設計した初期設定から, 新たな危険シーンを抽出する際のコストを大幅に削減できることが示唆された。
  論文  参考訳（メタデータ） (2021-06-02T00:49:59Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• Finding Physical Adversarial Examples for Autonomous Driving with Fast and Differentiable Image Compositing [33.466413757630846]
  本研究では、シミュレーションされた自律走行環境の逆修正を見つけるためのスケーラブルなアプローチを提案する。 ベイズ最適化に基づく最先端のアプローチよりも,我々のアプローチははるかにスケーラブルで,はるかに効果的です。
  論文  参考訳（メタデータ） (2020-10-17T18:35:32Z)

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。