論文の概要: LinguaSim: Interactive Multi-Vehicle Testing Scenario Generation via Natural Language Instruction Based on Large Language Models

• arxiv url: http://arxiv.org/abs/2510.08046v1
• Date: Thu, 09 Oct 2025 10:30:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.011669
• Title: LinguaSim: Interactive Multi-Vehicle Testing Scenario Generation via Natural Language Instruction Based on Large Language Models
• Title（参考訳）: LinguaSim: 大規模言語モデルに基づく自然言語教育による対話型多言語テストシナリオ生成
• Authors: Qingyuan Shi, Qingwen Meng, Hao Cheng, Qing Xu, Jianqiang Wang,
• Abstract要約: 大規模言語モデル(LLM)は、新しいシナリオ生成メソッドを可能にした。 現在の手法は、実世界の運転環境のリアリズムとコマンドの付着精度のバランスをとるのに苦労している。 自然言語をリアルでインタラクティブな3Dシナリオに変換するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.846728055959739
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The generation of testing and training scenarios for autonomous vehicles has drawn significant attention. While Large Language Models (LLMs) have enabled new scenario generation methods, current methods struggle to balance command adherence accuracy with the realism of real-world driving environments. To reduce scenario description complexity, these methods often compromise realism by limiting scenarios to 2D, or open-loop simulations where background vehicles follow predefined, non-interactive behaviors. We propose LinguaSim, an LLM-based framework that converts natural language into realistic, interactive 3D scenarios, ensuring both dynamic vehicle interactions and faithful alignment between the input descriptions and the generated scenarios. A feedback calibration module further refines the generation precision, improving fidelity to user intent. By bridging the gap between natural language and closed-loop, interactive simulations, LinguaSim constrains adversarial vehicle behaviors using both the scenario description and the autonomous driving model guiding them. This framework facilitates the creation of high-fidelity scenarios that enhance safety testing and training. Experiments show LinguaSim can generate scenarios with varying criticality aligned with different natural language descriptions (ACT: 0.072 s for dangerous vs. 3.532 s for safe descriptions; comfortability: 0.654 vs. 0.764), and its refinement module effectively reduces excessive aggressiveness in LinguaSim's initial outputs, lowering the crash rate from 46.9% to 6.3% to better match user intentions.
• Abstract（参考訳）: 自動運転車のテストおよびトレーニングシナリオの生成は、大きな注目を集めている。 LLM(Large Language Models)は新たなシナリオ生成手法を実現する一方で,現在の手法では,命令順守精度と実世界の運転環境の現実性とのバランスが難しい。 シナリオ記述の複雑さを減らすために、これらの手法はシナリオを2Dに制限したり、背景車両が事前に定義された非インタラクティブな振る舞いに従うようなオープンループシミュレーションに制限することで現実主義を損なうことが多い。 自然言語をリアルでインタラクティブな3Dシナリオに変換するLinguaSimを提案する。 フィードバックキャリブレーションモジュールは、さらに生成精度を向上し、ユーザの意図に対する忠実度を向上させる。 自然言語とクローズドループのギャップを埋めることで、対話的なシミュレーションにより、LinguaSimはシナリオ記述と自律運転モデルの両方を用いて、敵車両の挙動を制約する。 このフレームワークは、安全性テストとトレーニングを強化する高忠実度シナリオの作成を容易にする。 実験によると、LinguaSimはさまざまな自然言語記述に一致したさまざまな臨界性(ACT: 0.072 s for dangerous vs. 3.532 s for safe descriptions; comfortability: 0.654 vs. 0.764)のシナリオを生成できる。

関連論文リスト

• LLM-based Realistic Safety-Critical Driving Video Generation [4.537331974356809]
  CARLAシミュレータ内の運転シナリオを自動的に合成するフレームワークを提案する。 このフレームワークはシナリオスクリプティング、トラフィック参加者の効率的なコードベースの制御、現実的な物理力学の実施において柔軟性がある。 本手法により,制御可能なシナリオ生成が可能となり,稀ではあるが重要なエッジケースの作成が容易になる。
  論文  参考訳（メタデータ） (2025-07-02T00:45:19Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [94.84458417662404]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)
• 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)
• Conversational Code Generation: a Case Study of Designing a Dialogue System for Generating Driving Scenarios for Testing Autonomous Vehicles [14.711419284809496]
  所望のシナリオと車両動作の合成において,非コーディング領域の専門家を支援するために,自然言語インタフェースを設計する。 非常に小さなトレーニングデータセットにもかかわらず、発話をシンボルプログラムに変換するのにそれを使うことは可能であることを示す。 人間の実験により、対話はシミュレーション生成の成功に不可欠であることが示され、拡張された会話に関わらず、世代よりも4.5倍の成功率が得られる。
  論文  参考訳（メタデータ） (2024-10-13T13:07:31Z)
• On Languaging a Simulation Engine [6.17566001699186]
  Lang2Simは、シミュレーションエンジンのランゲージング上で対話的なナビゲーションを可能にする言語間シミュレーションフレームワークである。 この研究は、シミュレーションエンジンのランゲージングの時代を解き放つための、インテリジェントなプラットフォームとしての言語モデルを確立する。
  論文  参考訳（メタデータ） (2024-02-26T11:01:54Z)
• 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)
• Dialogue-based generation of self-driving simulation scenarios using Large Language Models [14.86435467709869]
  シミュレーションは自動運転車のコントローラーを開発し評価するための貴重なツールである。 現在のシミュレーションフレームワークは、高度に専門的なドメイン固有言語によって駆動される。 簡潔な英語の発話と、ユーザの意図をキャプチャする実行可能なコードの間には、しばしばギャップがある。
  論文  参考訳（メタデータ） (2023-10-26T13:07:01Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

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。