論文の概要: Declarative Scenario-based Testing with RoadLogic
- arxiv url: http://arxiv.org/abs/2603.09455v1
- Date: Tue, 10 Mar 2026 10:11:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:24.221718
- Title: Declarative Scenario-based Testing with RoadLogic
- Title（参考訳）: RoadLogicを使った宣言型シナリオベースのテスト
- Authors: Ezio Bartocci, Alessio Gambi, Felix Gigler, Cristinel Mateis, Dejan Ničković,
- Abstract要約: 宣言型OS2仕様と実行可能なシミュレーションを橋渡しするRoadLogicを提案する。
結果は、RoadLogicが数分で、現実的で、仕様に満足するシミュレーションを一貫して生成していることを示している。
- 参考スコア（独自算出の注目度）: 2.2107822884016404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scenario-based testing is a key method for cost-effective and safe validation of autonomous vehicles (AVs). Existing approaches rely on imperative scenario definitions, requiring developers to manually enumerate numerous variants to achieve coverage. Declarative languages, such as OpenSCENARIO DSL (OS2), raise the abstraction level but lack systematic methods for instantiating concrete, specification-compliant scenarios as simulations. To our knowledge, currently, no open-source solution provides this capability. We present RoadLogic that bridges declarative OS2 specifications and executable simulations. It uses Answer Set Programming to generate abstract plans satisfying scenario constraints, motion planning to refine the plans into feasible trajectories, and specification-based monitoring to verify correctness. We evaluate RoadLogic on instantiating representative OS2 scenarios as simulations in the CommonRoad framework. Results show that RoadLogic consistently produces realistic, specification-satisfying simulations within minutes and captures diverse behavioral variants through parameter sampling, thus opening the door to systematic scenario-based testing for autonomous driving systems.
- Abstract（参考訳）: シナリオベースのテストは、自動運転車(AV)のコスト効率と安全な検証のための重要な方法である。
既存のアプローチは命令型シナリオ定義に依存しており、開発者はカバレッジを達成するために、手動で多くの変種を列挙する必要がある。
OpenSCENARIO DSL (OS2) のような宣言型言語は抽象化レベルを高めるが、具体的な仕様に準拠したシナリオをシミュレーションとしてインスタンス化するための体系的なメソッドは欠如している。
私たちの知る限り、現時点では、この機能を提供するオープンソースソリューションはありません。
宣言型OS2仕様と実行可能なシミュレーションを橋渡しするRoadLogicを提案する。
シナリオ制約を満たす抽象的なプランを生成するためにAnswer Set Programmingを使用し、計画を実行可能なトラジェクトリに洗練するためのモーションプランニングと、正確性を検証するための仕様ベースの監視を行う。
我々は,CommonRoadフレームワークのシミュレーションとして,代表的なOS2シナリオをインスタンス化するためのRoadLogicを評価した。
結果から,RoadLogicはパラメータサンプリングにより,現実的で仕様満足度の高いシミュレーションを数分で連続的に生成し,多様な行動変化を捉え,自律走行システムのシナリオベーステストへの扉を開くことが示唆された。
関連論文リスト
- An LLM-driven Scenario Generation Pipeline Using an Extended Scenic DSL for Autonomous Driving Safety Validation [4.602386383455713]
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。
論文 参考訳（メタデータ） (2026-02-24T07:44:26Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - Text2Scenario: Text-Driven Scenario Generation for Autonomous Driving Test [15.601818101020996]
Text2Scenarioは、ユーザー仕様と密接に一致したシミュレーションテストシナリオを自律的に生成するフレームワークである。
結果は、手動のシナリオ構成に必要な労力を伴わない、多様なADスタックの効率的かつ正確な評価である。
論文 参考訳（メタデータ） (2025-03-04T07:20:25Z) - 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) - 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) - Tree-Based Scenario Classification: A Formal Framework for Coverage
Analysis on Test Drives of Autonomous Vehicles [0.0]
シナリオベースのテストでは、関連する(運転)シナリオがテストの基礎になります。
シナリオの集合を分類し、記録されたテストドライブにおけるこれらのシナリオのカバレッジを測定するというオープンな課題に対処する。
論文 参考訳（メタデータ） (2023-07-11T08:30:57Z) - Addressing the IEEE AV Test Challenge with Scenic and VerifAI [10.221093591444731]
本稿では,IEEE AVテストチャレンジのシミュレーションにおいて,自律走行車(AV)のテストに対する我々の公式なアプローチを要約する。
我々は,知的サイバー物理システムのための形式駆動型シミュレーションに関するこれまでの研究を生かした,系統的なテストフレームワークを実証する。
論文 参考訳（メタデータ） (2021-08-20T04:51:27Z) - 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。