論文の概要: PerturbationDrive: A Framework for Perturbation-Based Testing of ADAS

• arxiv url: http://arxiv.org/abs/2603.23661v1
• Date: Tue, 24 Mar 2026 19:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.001048
• Title: PerturbationDrive: A Framework for Perturbation-Based Testing of ADAS
• Title（参考訳）: PerturbationDrive: ADASの摂動ベースのテストフレームワーク
• Authors: Hannes Leonhard, Stefano Carlo Lambertenghi, Andrea Stocco,
• Abstract要約: PerturbationDriveは、高度なドライバアシストシステムの堅牢性と一般化テストを実行するためのテストフレームワークである。 天気、照明、センサーの品質の変化を模倣した30以上の画像の摂動を特徴としている。 静的データセットのオフライン評価と、異なるシミュレータでのオンラインクローズドループテストの両方をサポートする。
• 参考スコア（独自算出の注目度）: 0.9956658791307307
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Advanced driver assistance systems (ADAS) often rely on deep neural networks to interpret driving images and support vehicle control. Although reliable under nominal conditions, these systems remain vulnerable to input variations and out-of-distribution data, which can lead to unsafe behavior. To this aim, this tool paper presents the architecture and functioning of PerturbationDrive, a testing framework to perform robustness and generalization testing of ADAS. The framework features more than 30 image perturbations from the literature that mimic changes in weather, lighting, or sensor quality and extends them with dynamic and attention-based variants. PerturbationDrive supports both offline evaluation on static datasets and online closed-loop testing in different simulators. Additionally, the framework integrates with procedural road generation and search-based testing, enabling systematic exploration of diverse road topologies combined with image perturbations. Together, these features allow PerturbationDrive to evaluate robustness and generalization capabilities of ADAS across varying scenarios, making it a reproducible and extensible framework for systematic system-level testing.
• Abstract（参考訳）: 高度な運転支援システム(ADAS)は、運転画像の解釈や車両制御のサポートにディープニューラルネットワークを利用することが多い。 特異な条件下では信頼性は保たれるが、これらのシステムは入力のバリエーションや配布外データに弱いままであり、安全でない振る舞いを引き起こす可能性がある。 本研究では,ADASのロバスト性および一般化テストを行うテストフレームワークであるPerturbationDriveのアーキテクチャと機能について述べる。 このフレームワークは、天候、照明、センサーの品質の変化を模倣し、動的で注意に基づく変種で拡張する文学からの30以上の画像摂動を特徴としている。 PerturbationDriveは、静的データセットのオフライン評価と、異なるシミュレータでのオンラインクローズドループテストの両方をサポートする。 さらに、このフレームワークは手続き的な道路生成と探索に基づくテストを統合し、多様な道路トポロジを画像の摂動と組み合わせて体系的な探索を可能にする。 これらの機能を組み合わせることで、PerturbationDriveはさまざまなシナリオにわたるADASの堅牢性と一般化能力を評価し、システムレベルのテストのための再現可能で拡張可能なフレームワークとなる。

関連論文リスト

• Incremental Validation of Automated Driving Functions using Generic Volumes in Micro- Operational Design Domains [0.0]
  本稿では,操作設計領域(ODD)を管理可能なセクションに分割し,抽象オブジェクト表現を用いてテストケースを抽出する構造的手法を提案する。 障害物は様々な大きさの一般的な立方体として表現され、知覚性能を評価するためのシンプルで堅牢な手段を提供する。 その結果、障害物検出におけるエッジケースを体系的に探索し、認識品質を評価する方法が示された。
  論文  参考訳（メタデータ） (2025-12-12T07:59:58Z)
• 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)
• AI-Augmented Metamorphic Testing for Comprehensive Validation of Autonomous Vehicles [7.237068561453082]
  自動運転車は交通機関に革命をもたらす可能性があるが、安全を確保することは大きな課題だ。 従来のテスト手法では、システムの振る舞いが正しいかどうかを判断するオラクルの問題を含む、重要な制限に直面している。 我々は、安定拡散のようなAI駆動画像生成ツールを統合することで、メタモルフィックテスト(MT)を強化することを提案する。
  論文  参考訳（メタデータ） (2025-02-16T23:31:59Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• A Quality Index Metric and Method for Online Self-Assessment of Autonomous Vehicles Sensory Perception [164.93739293097605]
  本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。 我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
  論文  参考訳（メタデータ） (2022-03-04T22:16:50Z)

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。