論文の概要: Map-Agnostic And Interactive Safety-Critical Scenario Generation via Multi-Objective Tree Search

• arxiv url: http://arxiv.org/abs/2603.03978v1
• Date: Wed, 04 Mar 2026 12:19:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.889433
• Title: Map-Agnostic And Interactive Safety-Critical Scenario Generation via Multi-Objective Tree Search
• Title（参考訳）: 多目的木探索によるマップ非依存・対話型安全批判シナリオ生成
• Authors: Wenyun Li, Zejian Deng, Chen Sun,
• Abstract要約: 本稿では,モンテカルロ木探索による交通流レベルの安全クリティカルシナリオ生成のための新しいフレームワークを提案する。 探索効率とリスク逆決定のバランスをとるために, ハイブリッドな上信頼境界 (UCB) と下信頼境界 (LCB) 探索戦略を導入する。 香港の複雑な都市環境における4つの高リスク事故帯にまたがるアプローチを検証する。
• 参考スコア（独自算出の注目度）: 7.691544372846608
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating safety-critical scenarios is essential for validating the robustness of autonomous driving systems, yet existing methods often struggle to produce collisions that are both realistic and diverse while ensuring explicit interaction logic among traffic participants. This paper presents a novel framework for traffic-flow level safety-critical scenario generation via multi-objective Monte Carlo Tree Search (MCTS). We reframe trajectory feasibility and naturalistic behavior as optimization objectives within a unified evaluation function, enabling the discovery of diverse collision events without compromising realism. A hybrid Upper Confidence Bound (UCB) and Lower Confidence Bound (LCB) search strategy is introduced to balance exploratory efficiency with risk-averse decision-making. Furthermore, our method is map-agnostic and supports interactive scenario generation with each vehicle individually powered by SUMO's microscopic traffic models, enabling realistic agent behaviors in arbitrary geographic locations imported from OpenStreetMap. We validate our approach across four high-risk accident zones in Hong Kong's complex urban environments. Experimental results demonstrate that our framework achieves an 85\% collision failure rate while generating trajectories with superior feasibility and comfort metrics. The resulting scenarios exhibit greater complexity, as evidenced by increased vehicle mileage and CO\(_2\) emissions. Our work provides a principled solution for stress testing autonomous vehicles through the generation of realistic yet infrequent corner cases at traffic-flow level.
• Abstract（参考訳）: 安全クリティカルなシナリオの生成は、自律運転システムの堅牢性を検証する上で不可欠だが、既存の手法では、現実的かつ多様でありながら、交通参加者間の明示的な相互作用ロジックを確実に保ちながら、衝突の発生に苦慮することが多い。 本稿では,多目的モンテカルロ木探索(MCTS)による交通流レベルの安全クリティカルシナリオ生成のための新しいフレームワークを提案する。 我々は、統一評価関数の最適化目的として、軌道実現可能性と自然主義的行動を再設定し、現実性を損なうことなく、多様な衝突事象の発見を可能にする。 探索効率とリスク逆決定のバランスをとるために, ハイブリッドな上信頼境界 (UCB) と下信頼境界 (LCB) 探索戦略を導入する。 さらに,本手法は地図に依存しないため,SUMOの微視的トラフィックモデルを用いて各車両の対話的シナリオ生成をサポートし,OpenStreetMapからインポートした任意の地理的位置における現実的なエージェント動作を可能にする。 香港の複雑な都市環境における4つの高リスク事故帯にまたがるアプローチを検証する。 実験により, 本フレームワークは, 精度と快適性に優れた軌道を生成しながら, 85%の衝突事故率を達成できることが実証された。 結果として生じるシナリオは、車両の走行距離とCO\(_2\)排出量の増加によって証明されるように、より大きな複雑さを示す。 我々の研究は、交通流レベルの現実的かつ頻繁なコーナーケースの生成を通じて、自動運転車のストレステストのための原則化されたソリューションを提供する。

関連論文リスト

• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• 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)
• RADE: Learning Risk-Adjustable Driving Environment via Multi-Agent Conditional Diffusion [17.46462636610847]
  リスク・ドライビング・環境(RADE)は、統計的に現実的でリスク調整可能な交通シーンを生成するシミュレーション・フレームワークである。 RADEはデータから直接リスク条件の行動を学び、コントロール可能なリスクレベルと自然主義的なマルチエージェントインタラクションを保存する。 RADEを実世界のrounDデータセットで検証し、様々なリスクレベルにわたって統計的リアリズムを保存することを示した。
  論文  参考訳（メタデータ） (2025-05-06T04:41:20Z)
• Foundation Models for Rapid Autonomy Validation [4.417336418010182]
  重要な課題は、自動運転車が遭遇するあらゆる種類の運転シナリオでテストする必要があることだ。 本研究では,運転シナリオを再構築するための行動基礎モデル,特にマスク付きオートエンコーダ(MAE)の使用を提案する。
  論文  参考訳（メタデータ） (2024-10-22T15:32:43Z)
• Adversarial Safety-Critical Scenario Generation using Naturalistic Human Driving Priors [2.773055342671194]
  本研究では,自然主義的人間運転先行と強化学習技術を用いた自然逆シナリオ生成ソリューションを提案する。 本研究は,本モデルにより,自然性と逆性の両方をカバーする現実的な安全クリティカルなテストシナリオを生成できることを示す。
  論文  参考訳（メタデータ） (2024-08-06T13:58:56Z)
• 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)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)

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。