論文の概要: From Research to Practice: An Interactive Rapid Review of Autonomous Driving System Testing in Industry

• arxiv url: http://arxiv.org/abs/2605.00531v1
• Date: Fri, 01 May 2026 09:13:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.920473
• Title: From Research to Practice: An Interactive Rapid Review of Autonomous Driving System Testing in Industry
• Title（参考訳）: 研究から実践へ:産業における自律運転システムテストのインタラクティブなラピッドレビュー
• Authors: Qunying Song, Ali Nouri, Håkan Sivencrona, Federica Sarro,
• Abstract要約: 自律運転システム(ADS)は、実際のトラフィックにますますデプロイされているが、テストは基本的に困難である。 広範な研究にもかかわらず、学術的進歩と工業的実践における適用性の間にはギャップが持続している。 本研究は,ADSテスト研究の実践者主導のレビューと評価を行う。
• 参考スコア（独自算出の注目度）: 4.424336158797069
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous driving systems (ADS) are increasingly deployed in real traffic, yet testing remains fundamentally challenging due to open environments, complex scenarios, and the lack of established processes and metrics. Despite extensive research, a gap persists between academic advances and their applicability in industrial practice. To address this, we conduct an interactive rapid review in collaboration with 21 practitioners from a leading automotive company. Practitioners identified 12 key challenges in ADS testing, and prioritised two as the most critical issues, namely approaches to and completeness of testing for End-to-End (E2E) ADS. We analyzed 17 research studies relevant to these two challenges, most of which focus on generating critical testing scenarios, and subsequently assessed their relevance and applicability in practice. Our study provides the first practitioner-driven review and evaluation of current ADS testing research, reveals practical challenges in ADS testing, offers rapid insights for practitioners, and highlights the need for more context-aware, industry-relevant solutions to bridge the gap between research and practice.
• Abstract（参考訳）: 自律運転システム(ADS)は、実際のトラフィックにますますデプロイされているが、オープン環境、複雑なシナリオ、確立されたプロセスとメトリクスの欠如により、テストは基本的に困難である。 広範な研究にもかかわらず、学術的進歩と工業的実践における適用性の間にはギャップが持続している。 そこで我々は,大手自動車会社の21人の実践者と共同で,インタラクティブな迅速なレビューを行う。 ADS(End-to-End)ADS(End-to-End (E2E) ADS)のテストの完全性に対するアプローチと完全性である。 この2つの課題に関連する17の研究を分析し、その多くが重要なテストシナリオの生成に焦点をあて、その妥当性と適用性を評価した。 我々の研究は、ADSテスト研究の実践者主導によるレビューと評価を初めて提供し、ADSテストの実践的課題を明らかにし、実践者に対して迅速な洞察を提供し、研究と実践のギャップを埋めるために、よりコンテキスト対応の業界関連ソリューションの必要性を強調します。

関連論文リスト

• Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
  我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。 我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
  論文  参考訳（メタデータ） (2025-12-16T18:51:23Z)
• Advancing Autonomous Driving System Testing: Demands, Challenges, and Future Directions [16.701909787572724]
  自律運転システム(ADS)は、輸送効率と安全性の向上を約束するが、複雑な現実世界環境における信頼性を確保することは重要な課題である。 本研究では,モジュールシステムとエンドツーエンドシステムの両方において,現在のADSテストの実践について検討する。 主要なテスト手法を概観し,V2X通信や基礎モデルなどの新たな要素について考察する。
  論文  参考訳（メタデータ） (2025-12-09T06:33:27Z)
• Generative AI for Testing of Autonomous Driving Systems: A Survey [13.226510198306885]
  自律運転システム(ADS)は、社会に多大な利益をもたらす可能性がある研究の活発な領域である。 異なるテストアプローチが必要であり、ADSの効率的かつ効率的なテストを実現することは、依然としてオープンな課題である。 生成AIは多くのドメインにまたがる強力なツールとして登場し、コンテキストを解釈する能力により、ADSテストにも適用されつつある。 この調査は、ADSのテストにおける生成AIの使用に関する概要と実践的な洞察を提供し、既存の課題を強調し、この急速に発展する分野における将来の研究の方向性を概説する。
  論文  参考訳（メタデータ） (2025-08-27T13:40:14Z)
• A Survey on Web Testing: On the Rise of AI and Applications in Industry [1.5149438988761574]
  本稿では,2014年から2025年までのWebテスト方法論,ツール,トレンドに着目した系統的な文献調査を行う。 259の研究論文を分析して、この領域における重要なトレンド、人口統計、貢献、ツール、課題、革新を特定する。
  論文  参考訳（メタデータ） (2025-03-07T12:39:59Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
  本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• Industry Practices for Challenging Autonomous Driving Systems with Critical Scenarios [2.42477526148542]
  安全と信頼性のために自律走行システムのテストは非常に複雑である。 重要なシナリオを特定するための方法やツールがいくつか提案されている。 アプローチの選択、実装、制限といった業界のプラクティスはよく理解されていません。
  論文  参考訳（メタデータ） (2023-05-23T15:13:11Z)
• The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
  Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。 このレビューは、このトピックに関する知識に2つの主要な貢献をしている。 オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
  論文  参考訳（メタデータ） (2022-11-08T10:42:08Z)

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。