論文の概要: From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2603.05279v1
• Date: Thu, 05 Mar 2026 15:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.94154
• Title: From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving
• Title（参考訳）: コードから道路へ:自動運転におけるセントラルカーサーバーテストのための走行中のデジタルツインベースのフレームワーク
• Authors: Chengdong Wu, Sven Kirchner, Nils Purschke, Axel Torschmied, Norbert Kroth, Yinglei Song, André Schamschurko, Erik Leo Haß, Kuo-Yi Chao, Yi Zhang, Nenad Petrovic, Alois C. Knoll,
• Abstract要約: 本研究は,集中型E/Eアーキテクチャ上での自動車ソフトウェアテストフレームワークを提案する。 このフレームワークは、ダイナモメーターテストベンチに物理テスト車両を、シミュレーション環境で同期仮想車両と結合する。
• 参考スコア（独自算出の注目度）: 12.14436913195805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulation is one of the most essential parts in the development stage of automotive software. However, purely virtual simulations often struggle to accurately capture all real-world factors due to limitations in modeling. To address this challenge, this work presents a test framework for automotive software on the centralized E/E architecture, which is a central car server in our case, based on Vehicle-in-the-Loop (ViL) and digital twin technology. The framework couples a physical test vehicle on a dynamometer test bench with its synchronized virtual counterpart in a simulation environment. Our approach provides a safe, reproducible, realistic, and cost-effective platform for validating autonomous driving algorithms with a centralized architecture. This test method eliminates the need to test individual physical ECUs and their communication protocols separately. In contrast to traditional ViL methods, the proposed framework runs the full autonomous driving software directly on the vehicle hardware after the simulation process, eliminating flashing and intermediate layers while enabling seamless virtual-physical integration and accurately reflecting centralized E/E behavior. In addition, incorporating mixed testing in both simulated and physical environments reduces the need for full hardware integration during the early stages of automotive development. Experimental case studies demonstrate the effectiveness of the framework in different test scenarios. These findings highlight the potential to reduce development and integration efforts for testing autonomous driving pipelines in the future.
• Abstract（参考訳）: シミュレーションは、自動車ソフトウェアの開発段階において最も重要な部分の1つである。 しかし、純粋に仮想シミュレーションは、モデリングの限界のために現実世界のすべての要因を正確に捉えるのに苦労することが多い。 この課題に対処するため,本研究では,Volby-in-the-Loop (ViL) とディジタルツイン技術に基づいて,集中型E/Eアーキテクチャ上での自動車ソフトウェアのテストフレームワークを提案する。 このフレームワークは、ダイナモメーターテストベンチに物理テスト車両を、シミュレーション環境で同期仮想車両と結合する。 当社のアプローチは、自律運転アルゴリズムを集中型アーキテクチャで検証するための、安全で再現可能な、現実的で、費用対効果の高いプラットフォームを提供します。 このテスト方法は、個別の物理ECUとその通信プロトコルを個別にテストする必要がなくなる。 従来のViL手法とは対照的に,提案フレームワークはシミュレーション処理後の車両ハードウェア上で完全な自律運転ソフトウェアを直接実行し,点滅層と中間層を排除し,シームレスな仮想物理統合を実現し,集中型E/E動作を正確に反映する。 さらに、シミュレートされた環境と物理的環境の両方に混合テストを導入することで、自動車開発の初期段階において、完全なハードウェア統合の必要性が軽減される。 実験ケーススタディでは、異なるテストシナリオにおけるフレームワークの有効性が示されている。 これらの知見は、将来自動運転パイプラインのテストにおける開発と統合の取り組みを減らす可能性を強調している。

関連論文リスト

• VP-AutoTest: A Virtual-Physical Fusion Autonomous Driving Testing Platform [47.03629760732478]
  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。
  論文  参考訳（メタデータ） (2025-12-08T12:43:33Z)
• A Digital Twin Framework for Metamorphic Testing of Autonomous Driving Systems Using Generative Model [5.424069096422898]
  本稿では,デジタルツイン駆動メタモルフィックテストフレームワークを提案する。 私たちは、自動運転システムとその運用環境の仮想レプリカを作成します。 デジタルツイン技術と、安定拡散のようなAIに基づく画像生成モデルを組み合わせることで、本手法は現実的な運転シーンを体系的に生成することを可能にする。
  論文  参考訳（メタデータ） (2025-10-08T15:27:39Z)
• 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)
• RealEngine: Simulating Autonomous Driving in Realistic Context [60.55873455475112]
  RealEngineは3Dシーン再構成と新しいビュー合成技術を統合する新しい運転シミュレーションフレームワークである。 実世界のマルチモーダルセンサーデータを活用することで、RealEngineはバックグラウンドシーンとフォアグラウンドトラフィック参加者を別々に再構築し、非常に多様な現実的なトラフィックシナリオを実現する。 RealEngineは、非反応性シミュレーション、安全性テスト、マルチエージェントインタラクションの3つの重要な駆動シミュレーションカテゴリをサポートしている。
  論文  参考訳（メタデータ） (2025-05-22T17:01:00Z)
• 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)
• 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)

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。