論文の概要: From Conflicts to Collisions: A Two-Stage Collision Scenario-Testing Approach for Autonomous Driving Systems

• arxiv url: http://arxiv.org/abs/2602.15837v1
• Date: Wed, 14 Jan 2026 12:24:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.635432
• Title: From Conflicts to Collisions: A Two-Stage Collision Scenario-Testing Approach for Autonomous Driving Systems
• Title（参考訳）: 衝突から衝突へ:自律走行システムのための2段階衝突シナリオテストアプローチ
• Authors: Siyuan Chen, Fuyuan Zhang, Hua Qi, Lei Ma, Tomoyuki Tsuchiya, Michio Hayashi, Manabu Okada,
• Abstract要約: 中間探索対象として衝突関連コンフリクトの概念を導入する。 本稿では,まずコンフリクトを検索し,実際の衝突を誘発するためにこれらのコンフリクトシナリオを変更可能な2段階シナリオテスト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）: 9.14431445045481
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving systems (ADS) are safety-critical and require rigorous testing before public deployment. Simulation-based scenario testing provides a safe and cost-effective alternative to extensive on-road trials, enabling efficient evaluation of ADS under diverse and high-risk conditions. However, existing approaches mainly evaluates the scenarios based on their proximity to collisions and focus on scenarios already close to collision, leaving many other hazardous situations unexplored. To bridge this, we introduce a collision-related concept of conflict as an intermediate search target and propose a two-stage scenario testing framework that first searches for conflicts and then mutates these conflict scenarios to induce actual collisions. Evaluated on Baidu Apollo, our approach reveals up to 12 distinct collision types in a single run, doubling the diversity discovered by state-of-the-art baselines while requiring fewer simulations thanks to conflict-targeted mutations. These results show that using conflicts as intermediate objectives broadens the search horizon and significantly improves the efficiency and effectiveness of ADS safety evaluation.
• Abstract（参考訳）: 自律運転システム(ADS)は安全に重要であり、公的な展開前に厳格なテストを必要とする。 シミュレーションに基づくシナリオテストは、広範囲にわたる路上試験に代わる安全で費用対効果の高い代替手段を提供し、多様な高リスク条件下でのADSの効率的な評価を可能にする。 しかし、既存のアプローチは主に衝突に近いシナリオに基づいてシナリオを評価し、すでに衝突に近いシナリオに焦点を合わせ、他の多くの危険な状況が未解明のまま残されている。 これを補うために,中間探索対象として衝突関連概念を導入し,まず衝突を探索し,その衝突シナリオを変異させて実際の衝突を誘発する2段階のシナリオテストフレームワークを提案する。 Baidu Apolloを例にとり、我々のアプローチは最大12種類の衝突タイプを1回の実行で明らかにし、最先端のベースラインによって発見された多様性を2倍にし、競合対象突然変異によるシミュレーションを少なくする。 これらの結果から,コンフリクトを中間目的として使用することで探索地平線を拡大し,ADS安全性評価の効率と有効性を大幅に向上することが示された。

関連論文リスト

• Controllable Collision Scenario Generation via Collision Pattern Prediction [22.736678908526653]
  制御可能な衝突シナリオ生成を導入し、ユーザが特定した衝突タイプとTTA(Time-to-accident)を実現するトラジェクトリを作成する。 本研究では,衝突パターンを予測するフレームワークを提案する。衝突パターンは,衝突時のエゴと敵車両の空間的構成を捉える,コンパクトで解釈可能な表現である。 実験により, 衝突速度と制御性の両方において, 本手法が強いベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-14T06:56:33Z)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• Causality-aware Safety Testing for Autonomous Driving Systems [12.138537069776884]
  総合的な評価には、異なる条件下でさまざまな種類の違反を引き起こす可能性のある、さまざまなシナリオにわたるテストが必要である。 本稿では,自律運転システムの効率的な総合的なテストを実現するためのファジリング手法を提案する。
  論文  参考訳（メタデータ） (2025-06-10T10:53:26Z)
• Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
  我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。 セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。 本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
  論文  参考訳（メタデータ） (2025-01-23T11:10:02Z)
• ICSFuzz: Collision Detector Bug Discovery in Autonomous Driving Simulators [11.343198884451166]
  本稿では,自律走行シミュレータの信頼性向上を目的として,無視衝突シナリオを系統的に発見することを目的とする。 我々は、無視された衝突シナリオを効率的に発見するためのブラックボックスファジリング手法であるICSFuzzを提案する。 我々はICSFuzzを、最先端のシミュレーションベースのADSテスト手法であるDriveFuzzと比較し、その託宣を我々の無視照合対応託宣に置き換えた。
  論文  参考訳（メタデータ） (2024-08-11T04:48:54Z)
• 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)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)

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。