論文の概要: Practical validation of synthetic pre-crash scenarios

• arxiv url: http://arxiv.org/abs/2605.04564v1
• Date: Wed, 06 May 2026 07:08:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.690281
• Title: Practical validation of synthetic pre-crash scenarios
• Title（参考訳）: 合成プレクラッシュシナリオの実用的検証
• Abstract要約: ギャップは、現実のシナリオと合成前のシナリオの実用的等価性の堅牢な評価に残っている。 実用的等価性を確立するのではなく、違いを検出することに焦点を当てているため、従来の重要度試験は不十分である。 本研究は、適切な統計量と等価基準を定義するためのビンニングに基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 5.031637169030579
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The representativeness of synthetic pre-crash scenarios is crucial for assessing the safety impact of Driving Automation Systems through virtual simulations. However, a gap remains in the robust evaluation of synthetic pre-crash scenarios' practical equivalence to their real-world counterparts; that is, whether they are similar enough for the intended assessment purpose. Conventional significance testing is inadequate, as it focuses on detecting differences rather than establishing practical equivalence. This study addresses the research gap by extending our previous work on a Bayesian Region of Practical Equivalence (ROPE)-based equivalence testing framework by introducing a binning-based approach to define appropriate statistics and equivalence criteria. Two binning-based statistics are proposed to measure practically meaningful distributional differences between datasets in the context of safety impact assessment. The framework's applicability is demonstrated through a case study, which tests the practical equivalence of two synthetic rear-end pre-crash datasets with a previously developed reference dataset in the context of the safety impact assessment of an Automatic Emergency Braking system. The results show that the framework provides informative quantitative assessments of practical equivalence as well as diagnostic insights into the divergence of datasets. Although the demonstration focuses on rear-end pre-crash scenarios, the framework is generic and extensible to broader validation contexts, providing an interpretable and principled basis for practical equivalence assessment across diverse synthetic data applications.
• Abstract（参考訳）: 仮想シミュレーションにより、運転自動化システムの安全性への影響を評価するためには、合成プレクラッシュシナリオの代表性が不可欠である。 しかし、現実のシナリオと合成前シナリオの実用的等価性の堅牢な評価にはギャップが残っている。 実用的等価性を確立するのではなく、違いを検出することに焦点を当てているため、従来の重要度試験は不十分である。 本研究は, ベイズ地域実践等価性試験フレームワーク(ROPE)に関するこれまでの研究を, 適切な統計量と等価性基準を定義するために, ビニングベースアプローチを導入することで, 研究ギャップを解消するものである。 安全影響評価の文脈におけるデータセット間の事実上有意な分布差を測定するために,2つのビニングベース統計法を提案する。 このフレームワークの適用性は, 自動緊急ブレーキシステムの安全影響評価の文脈において, 以前に開発された基準データセットを用いて, 2つの合成後進プレクラッシュデータセットの実用的等価性を検証したケーススタディを通じて実証される。 その結果,本フレームワークは,実践的等価性の定量的評価と,データセットの分散に関する診断的洞察を提供することがわかった。 このデモは、バックエンドのプレクラッシュシナリオに焦点を当てているが、フレームワークはより広範な検証コンテキストに対して汎用的で拡張可能であり、多様な合成データアプリケーションにまたがる実用的な等価性評価のための解釈可能で原則化された基礎を提供する。

関連論文リスト

• SHAP Distance: An Explainability-Aware Metric for Evaluating the Semantic Fidelity of Synthetic Tabular Data [7.227194225143588]
  本稿では,グローバルな SHAP 帰属ベクトル間の余弦距離として定義される,説明可能性を考慮した新しい尺度である SHAP (SHapley Additive exPlanations) Distance を紹介する。 我々は,臨床健康記録に生理的特徴のあるデータセット,不均一スケールの企業請求取引,カテゴリー・数字の混合属性を持つテレコムチャーンログを分析した。 以上の結果から,SHAP Distanceは,Kulback-Leiblerの発散やTrain-on-Synthetic-Test-on-Realの精度が検出できないような,特徴的重要性のシフトや,テール効果の不足を捉えていることがわかった。
  論文  参考訳（メタデータ） (2025-11-17T03:47:47Z)
• On the Need for a Statistical Foundation in Scenario-Based Testing of Autonomous Vehicles [4.342427756164555]
  本稿では、これらの課題に対処し、厳密な安全保証を実現するために、厳密な統計基盤が不可欠であると主張している。 AVテストと確立されたソフトウェアテスト手法の並列性によって、共有研究ギャップと再利用可能なソリューションを特定します。 分析の結果,シナリオベースでもマイルベースのテストでも,どちらよりも優れていないことが明らかとなった。
  論文  参考訳（メタデータ） (2025-05-04T22:06:23Z)
• Evaluating Inter-Column Logical Relationships in Synthetic Tabular Data Generation [49.898152180805454]
  本稿では,論理的関係の保存性を評価するための3つの評価指標を提案する。 実世界の産業データセット上での古典的手法と最先端の手法の両方の性能を評価することにより,これらの指標を検証する。
  論文  参考訳（メタデータ） (2025-02-06T13:13:26Z)
• Testing Generalizability in Causal Inference [3.547529079746247]
  機械学習アルゴリズムの一般化性を統計的に評価するための公式な手続きは存在しない。 本研究では,高次元因果推論モデルの一般化可能性を統計的に評価するための体系的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-05T11:44:00Z)
• Hypothesis Testing for Class-Conditional Noise Using Local Maximum Likelihood [1.8798171797988192]
  教師付き学習では、学習が行われる前にラベルの質を自動的に評価することがオープンな研究課題である。 本稿では,本モデルが局所極大近似推定の積である場合,同様の手順を踏襲できることを示す。 この異なるビューは、よりリッチなモデルクラスへのアクセスを提供することで、テストのより広範な適用を可能にする。
  論文  参考訳（メタデータ） (2023-12-15T22:14:58Z)
• Reliability in Semantic Segmentation: Can We Use Synthetic Data? [69.28268603137546]
  セマンティックセグメンテーションモデルの現実的信頼性を総合的に評価するために、合成データを具体的に生成する方法を初めて示す。 この合成データは、事前訓練されたセグメンタの堅牢性を評価するために使用される。 セグメンタのキャリブレーションとOOD検出能力を向上するために,我々のアプローチをどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2023-12-14T18:56:07Z)
• Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
  ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。 提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。 複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
  論文  参考訳（メタデータ） (2023-06-09T08:30:51Z)
• Systematic Evaluation of Predictive Fairness [60.0947291284978]
  バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。 複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。 データ条件が相対モデルの性能に強い影響を与えることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T05:40:13Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

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。