論文の概要: VP-AutoTest: A Virtual-Physical Fusion Autonomous Driving Testing Platform

• arxiv url: http://arxiv.org/abs/2512.07507v1
• Date: Mon, 08 Dec 2025 12:43:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.888919
• Title: VP-AutoTest: A Virtual-Physical Fusion Autonomous Driving Testing Platform
• Title（参考訳）: VP-AutoTest - 仮想物理融合自動運転テストプラットフォーム
• Authors: Yiming Cui, Shiyu Fang, Jiarui Zhang, Yan Huang, Chengkai Xu, Bing Zhu, Hao Zhang, Peng Hang, Jian Sun,
• Abstract要約: 本稿では,現実の交通参加者の多様性を再現する,自律走行用仮想物理テストプラットフォーム(VP-AutoTest)を提案する。 VP-AutoTestには多次元評価フレームワークとAI駆動のエキスパートシステムが組み込まれ、包括的なパフォーマンス評価と欠陥診断を行う。
• 参考スコア（独自算出の注目度）: 47.03629760732478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid development of autonomous vehicles has led to a surge in testing demand. Traditional testing methods, such as virtual simulation, closed-course, and public road testing, face several challenges, including unrealistic vehicle states, limited testing capabilities, and high costs. These issues have prompted increasing interest in virtual-physical fusion testing. However, despite its potential, virtual-physical fusion testing still faces challenges, such as limited element types, narrow testing scope, and fixed evaluation metrics. To address these challenges, we propose the Virtual-Physical Testing Platform for Autonomous Vehicles (VP-AutoTest), which integrates over ten types of virtual and physical elements, including vehicles, pedestrians, and roadside infrastructure, to replicate the diversity of real-world traffic participants. The platform also supports both single-vehicle interaction and multi-vehicle cooperation testing, employing adversarial testing and parallel deduction to accelerate fault detection and explore algorithmic limits, while OBU and Redis communication enable seamless vehicle-to-vehicle (V2V) and vehicle-to-infrastructure (V2I) cooperation across all levels of cooperative automation. Furthermore, VP-AutoTest incorporates a multidimensional evaluation framework and AI-driven expert systems to conduct comprehensive performance assessment and defect diagnosis. Finally, by comparing virtual-physical fusion test results with real-world experiments, the platform performs credibility self-evaluation to ensure both the fidelity and efficiency of autonomous driving testing. Please refer to the website for the full testing functionalities on the autonomous driving public service platform OnSite:https://www.onsite.com.cn.
• Abstract（参考訳）: 自動運転車の急速な開発は、テスト需要の急増につながった。 仮想シミュレーション、クローズドコース、公道テストといった従来のテスト手法は、非現実的な車両の状態、限られたテスト能力、高コストなど、いくつかの課題に直面している。 これらの問題により、仮想物理融合試験への関心が高まっている。 しかし、その可能性にもかかわらず、仮想物理融合テストは、限られた要素タイプ、狭いテスト範囲、固定評価指標といった課題に直面している。 これらの課題に対処するために、車両、歩行者、道路脇のインフラを含む10種類以上の仮想的および物理的要素を統合し、現実世界の交通参加者の多様性を再現する仮想物理テストプラットフォーム(VP-AutoTest)を提案する。 OBUとRedisはシームレスな車両間通信(V2V)と車両間協調(V2I)を、あらゆるレベルの協調自動化によって実現している。 さらに、VP-AutoTestは多次元評価フレームワークとAI駆動のエキスパートシステムを導入し、包括的なパフォーマンス評価と欠陥診断を行う。 最後に、仮想物理融合試験結果と実世界の実験を比較することにより、自律運転テストの忠実度と効率性を両立させる信頼性の自己評価を行う。 自動運転車の公共サービスプラットフォームOnSiteの完全なテスト機能については、Webサイトを参照してください。

関連論文リスト

• A Multi-Modality Evaluation of the Reality Gap in Autonomous Driving Systems [0.9956658791307307]
  我々は、Software-in-the-Loop (SiL), Vehicle-in-the-Loop (ViL), Mixed-Reality (MR), full real-world testingの4つの代表的なテストモードを比較した。 以上の結果から,SiLとViLのセットアップは実世界のダイナミックスとセンシングの重要な側面を単純化するが,MRテストは安全性や制御を損なうことなく知覚リアリズムを改善することが示唆された。
  論文  参考訳（メタデータ） (2025-09-26T14:08:53Z)
• MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
  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)
• DriveTester: A Unified Platform for Simulation-Based Autonomous Driving Testing [24.222344794923558]
  DriveTesterはApollo上に構築されたシミュレーションベースの統合テストプラットフォームである。 一貫性があり信頼性の高い環境を提供し、軽量な交通シミュレータを統合し、様々な最先端のADSテスト技術を取り入れている。
  論文  参考訳（メタデータ） (2024-12-17T08:24:05Z)
• 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)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• Mind the Gap! A Study on the Transferability of Virtual vs Physical-world Testing of Autonomous Driving Systems [6.649715954440713]
  私たちはDonkey Carのオープンソースフレームワークを活用して、物理的に小型の車両にデプロイされたSDCのテストと仮想シミュレーションされたテストとを経験的に比較します。 多くのテスト結果が仮想環境と物理環境の間で伝達される一方で、仮想環境と物理環境の間の現実的ギャップに寄与する重要な欠点も確認した。
  論文  参考訳（メタデータ） (2021-12-21T14:28:35Z)
• 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)

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。