論文の概要: An LLM-driven Scenario Generation Pipeline Using an Extended Scenic DSL for Autonomous Driving Safety Validation

• arxiv url: http://arxiv.org/abs/2602.20644v1
• Date: Tue, 24 Feb 2026 07:44:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.65461
• Title: An LLM-driven Scenario Generation Pipeline Using an Extended Scenic DSL for Autonomous Driving Safety Validation
• Title（参考訳）: 自律走行安全検証のための拡張シナリオDSLを用いたLCM駆動シナリオ生成パイプライン
• Authors: Fida Khandaker Safa, Yupeng Jiang, Xi Zheng,
• Abstract要約: 現実の事故報告は、自律運転システムのシナリオベースのテストに有用である。 現在の手法では、このマルチモーダルデータを正確に実行可能なシミュレーションシナリオに効果的に変換することはできない。 本稿では,大規模言語モデルと確率的中間表現を用いたスケーラブルで検証可能なパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 4.602386383455713
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world crash reports, which combine textual summaries and sketches, are valuable for scenario-based testing of autonomous driving systems (ADS). However, current methods cannot effectively translate this multimodal data into precise, executable simulation scenarios, hindering the scalability of ADS safety validation. In this work, we propose a scalable and verifiable pipeline that uses a large language model (GPT-4o mini) and a probabilistic intermediate representation (an Extended Scenic domain-specific language) to automatically extract semantic scenario configurations from crash reports and generate corresponding simulation-ready scenarios. Unlike earlier approaches such as ScenicNL and LCTGen (which generate scenarios directly from text) or TARGET (which uses deterministic mappings from traffic rules), our method introduces an intermediate Scenic DSL layer to separate high-level semantic understanding from low-level scenario rendering, reducing errors and capturing real-world variability. We evaluated the pipeline on cases from the NHTSA CIREN database. The results show high accuracy in knowledge extraction: 100% correctness for environmental and road network attributes, and 97% and 98% for oracle and actor trajectories, respectively, compared to human-derived ground truth. We executed the generated scenarios in the CARLA simulator using the Autoware driving stack, and they consistently triggered the intended traffic-rule violations (such as opposite-lane crossing and red-light running) across 2,000 scenario variations. These findings demonstrate that the proposed pipeline provides a legally grounded, scalable, and verifiable approach to ADS safety validation.
• Abstract（参考訳）: 実世界のクラッシュレポートは、テキストの要約とスケッチを組み合わせることで、自律走行システム(ADS)のシナリオベースのテストに有用である。 しかし、現在の手法では、このマルチモーダルデータを正確に実行可能なシミュレーションシナリオに効果的に変換することができず、ADS安全性検証のスケーラビリティを妨げている。 本研究では,大規模言語モデル(GPT-4o mini)と確率的中間表現(拡張シナリオドメイン固有言語)を用いて,クラッシュレポートからセマンティックシナリオ構成を自動的に抽出し,それに対応するシミュレーションシナリオを生成する,スケーラブルで検証可能なパイプラインを提案する。 ScenicNL や LCTGen (テキストから直接シナリオを生成する) や TARGET (トラフィックルールから決定論的マッピングを使用する) といった従来のアプローチとは異なり,本手法では,低レベルのシナリオレンダリングから高レベルのセマンティック理解を分離し,エラーを低減し,現実の変数をキャプチャする中間的な Scenic DSL 層を導入している。 NHTSA CIRENデータベースからパイプラインの評価を行った。 その結果, 環境・道路ネットワーク特性に対する100%の正当性, オラクル・アクター・トラジェクトリーに対する97%と98%の正当性, 知識抽出における高い精度が得られた。 我々は、Autoware駆動スタックを使用して、CARLAシミュレータで生成されたシナリオを実行し、2000のシナリオにまたがるトラフィックルール違反(反対車線横断や赤信号走行など)を常にトリガーした。 これらの結果は、ADS安全性検証に対する法的根拠があり、拡張性があり、検証可能なアプローチを提供するパイプラインが提案されていることを示している。

関連論文リスト

• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
  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)
• From Words to Collisions: LLM-Guided Evaluation and Adversarial Generation of Safety-Critical Driving Scenarios [6.681744368557208]
  大規模言語モデル(LLM)と構造化シナリオ解析と迅速なエンジニアリングは、安全クリティカルな運転シナリオを生成するために使用される。 2次元シミュレーションフレームワークと複数の事前学習LDMを用いて,本手法の有効性を検証した。 ドメインインフォームドプロンプト技術を備えたLLMは、安全クリティカルな運転シナリオを効果的に評価し、生成することができると結論付けている。
  論文  参考訳（メタデータ） (2025-02-04T09:19:13Z)
• 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)
• ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable [88.08120417169971]
  機械学習に基づく自律運転システムは、現実世界のデータでは稀な安全クリティカルなシナリオで課題に直面していることが多い。 この研究は、軌道最適化によって複雑な現実世界の通常のシナリオを変更することによって、安全クリティカルな運転シナリオを生成することを検討する。 提案手法は、頑健なプランナーの訓練には役に立たない非現実的な発散軌道と避けられない衝突シナリオに対処する。
  論文  参考訳（メタデータ） (2024-09-12T08:26:33Z)
• ChatScene: Knowledge-Enabled Safety-Critical Scenario Generation for Autonomous Vehicles [17.396416459648755]
  ChatSceneはLarge Language Model(LLM)ベースのエージェントで、自動運転車の安全クリティカルなシナリオを生成する。 エージェントの重要な部分は包括的知識検索コンポーネントであり、特定のテキスト記述を対応するドメイン固有のコードスニペットに効率的に翻訳する。
  論文  参考訳（メタデータ） (2024-05-22T23:21:15Z)
• Causality-based Transfer of Driving Scenarios to Unseen Intersections [0.0]
  シナリオベースのテストでは、自動関数は事前に定義されたシナリオのセットで評価される。 現実的なシナリオを作成するには、パラメータとパラメータの依存関係を実際のデータを活用する必要がある。 本稿では,シナリオのパラメータ間の関係を体系的に解析する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T15:38:18Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)

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。