論文の概要: Robustness and Resilience Evaluation of Eco-Driving Strategies at Signalized Intersections

• arxiv url: http://arxiv.org/abs/2601.13389v1
• Date: Mon, 19 Jan 2026 20:53:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.85382
• Title: Robustness and Resilience Evaluation of Eco-Driving Strategies at Signalized Intersections
• Title（参考訳）: 信号区間におけるエコドライブ戦略のロバスト性とレジリエンス評価
• Authors: Zhaohui Liang, Chengyuan Ma, Keke Long, Xiaopeng Li,
• Abstract要約: 本研究では,コントロールレンズと環境レジリエンスの両面から,エコドライブ戦略を評価する統一的な枠組みを導入する。 内部実行のばらつきや外部環境の乱れによる性能劣化を定量化する形式的指標を定義した。
• 参考スコア（独自算出の注目度）: 6.278780655512697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Eco-driving strategies have demonstrated substantial potential for improving energy efficiency and reducing emissions, especially at signalized intersections. However, evaluations of eco-driving methods typically rely on simplified simulation or experimental conditions, where certain assumptions are made to manage complexity and experimental control. This study introduces a unified framework to evaluate eco-driving strategies through the lens of two complementary criteria: control robustness and environmental resilience. We define formal indicators that quantify performance degradation caused by internal execution variability and external environmental disturbances, respectively. These indicators are then applied to assess multiple eco-driving controllers through real-world vehicle experiments. The results reveal key tradeoffs between tracking accuracy and adaptability, showing that optimization-based controllers offer more consistent performance across varying disturbance levels, while analytical controllers may perform comparably under nominal conditions but exhibit greater sensitivity to execution and timing variability.
• Abstract（参考訳）: エコドライブ戦略は、特に信号交差点において、エネルギー効率を改善し、排出を減少させる大きな可能性を証明している。 しかしながら、エコドライブ手法の評価は、シミュレーションや実験的な条件を単純化し、複雑性と実験的な制御を管理するために特定の仮定を行うのが一般的である。 本研究では,2つの相補的基準 – 制御の堅牢性と環境のレジリエンス – のレンズを通じて,エコドライブ戦略を評価する統一的な枠組みを提案する。 内部実行変動と外部環境障害による性能劣化を定量化する形式的指標をそれぞれ定義する。 これらの指標は、現実の車両実験を通じて複数のエコ運転制御装置を評価するために適用される。 その結果、追従精度と適応性の主なトレードオフが明らかとなり、最適化ベースの制御器は様々な障害レベルに対してより一貫した性能を提供する一方、解析的制御器は名目条件下では比較可能だが、実行やタイミングの変動に対してより敏感であることが示された。

関連論文リスト

• FaithSteer-BENCH: A Deployment-Aligned Stress-Testing Benchmark for Inference-Time Steering [11.609466767597093]
  FaithSteer-BENCHはストレステストベンチマークである。 制御性, 実用性, 堅牢性の3つのゲートワイド基準により, 固定配置式運転点での操舵方法を評価する。 ゲートワイズベンチマークの結果は、既存の手法がデプロイメント指向の実践的設定において信頼性の高い制御性を提供するとは限らないことを示している。
  論文  参考訳（メタデータ） (2026-03-18T22:28:36Z)
• Sim2Act: Robust Simulation-to-Decision Learning via Adversarial Calibration and Group-Relative Perturbation [54.29523408543184]
  シミュレーションと意思決定の学習は、現実世界の展開を危険にさらすことなく、デジタル環境で安全なポリシートレーニングを可能にする。 既存のアプローチでは、平均的なシミュレーションの忠実さを改善するか、保守的な正規化を採用するかに重点を置いている。 提案するSim2Actは,シミュレータとポリシーのロバスト性の両方に対処するロバストなシミュレーション・トゥ・意思決定フレームワークである。
  論文  参考訳（メタデータ） (2026-03-10T00:51:47Z)
• A ROS2 Benchmarking Framework for Hierarchical Control Strategies in Mobile Robots for Mediterranean Greenhouses [36.94429692322632]
  本稿では,温室環境における移動ロボットコントローラ評価のためのベンチマークフレームワークを提案する。 提案フレームワークは, 環境の正確な3次元モデル, 物理ベースシミュレータ, 階層型制御アーキテクチャを統合する。 Squared Absolute Error (SAE)、Squared Control Input (SCI)、複合パフォーマンス指標など、標準化されたパフォーマンス指標が導入されている。
  論文  参考訳（メタデータ） (2026-02-16T20:04:50Z)
• AgentNoiseBench: Benchmarking Robustness of Tool-Using LLM Agents Under Noisy Condition [72.24180896265192]
  本稿では,騒音環境下でのエージェントモデルのロバスト性を評価するためのフレームワークであるAgentNoiseBenchを紹介する。 まず、実世界のシナリオにおけるバイアスと不確実性の詳細な分析を行う。 次に,環境騒音をユーザノイズとツールノイズの2つの主要なタイプに分類する。 この分析に基づいて,既存のエージェント中心ベンチマークに制御可能なノイズを注入する自動パイプラインを開発した。
  論文  参考訳（メタデータ） (2026-02-11T20:33:10Z)
• AutoForge: Automated Environment Synthesis for Agentic Reinforcement Learning [71.4322853508083]
  シミュレーション環境における強化学習の実施は、言語ベースのエージェントを強化するためのコスト効率が高く、スケーラブルな方法を提供する。 これまでの作業は、半自動化された環境合成や、十分な困難を欠いたタスクに限られており、幅や深さがほとんどない。 本稿では,高難易度かつ容易に検証可能なタスクに関連付けられたシミュレーション環境の,自動化されたスケーラブルな合成のための統一パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-28T09:43:11Z)
• Grounded Test-Time Adaptation for LLM Agents [75.62784644919803]
  大規模言語モデル(LLM)ベースのエージェントは、新規で複雑な環境への一般化に苦慮している。 環境特化情報を活用することで, LLMエージェントを適応するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-06T22:24:35Z)
• 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)
• Experimental Evaluation of Road-Crossing Decisions by Autonomous Wheelchairs against Environmental Factors [42.90509901417468]
  追跡性能の微調整と屋外環境要因に対する実験的評価に焦点をあてる。 本手法は,屋外環境要因に対する映像追跡とイベント検出の堅牢性を評価するために適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T08:43:26Z)
• 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)

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。