論文の概要: OSC2Runner: OpenSCENARIO 2.x Compliant High-Fidelity AV Simulation in CARLA
- arxiv url: http://arxiv.org/abs/2606.26533v1
- Date: Thu, 25 Jun 2026 02:17:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.144917
- Title: OSC2Runner: OpenSCENARIO 2.x Compliant High-Fidelity AV Simulation in CARLA
- Title（参考訳）: OSC2Runner: OpenSCENARIO 2.x Compliant High-Fidelity AV Simulation in CARLA
- Abstract要約: 既存の連続シミュレーションフレームワークは、最近成熟したv2.x Domain-Specific Languageのネイティブ実行サポートを欠いている。
OSC2はOpenSARIO v2.x DSLをCARLAにマッピングできる最初のオーケストレーションフレームワークを導入した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scenario-Based Testing predominantly relies on the legacy ASAM OpenSCENARIO 1.x XML standard because existing continuous simulation frameworks lack native execution support for the recently matured v2.x Domain-Specific Language (DSL). Adapting legacy interpreters to evaluate v2.x logic introduces spatiotemporal drift, asynchronous event latencies, and artificial kinematic snapping. Addressing this execution gap, OSC2Runner introduces the first orchestration framework capable of natively mapping the OpenSCENARIO v2.x DSL to CARLA. The framework achieves this by formalizing scenario translation as a compilation pipeline through a multi-pass transpiler architecture. Bypassing static trajectory playback, the architecture synthesizes type-safe Abstract Syntax Trees directly into dynamic deterministic behavior trees (py_trees) natively mapped to CARLA's atomic APIs. Empirical validation in highly concurrent adversarial case studies demonstrates tick-by-tick determinism, exact spatial trigger evaluation, and 100.0 ms cross-actor blackboard synchronization. Kinematic analysis proves the strict adherence to continuous environmental boundaries. This architecture transitions Scenario-Based Testing from approximate behavioral interpretation to mathematically rigorous execution, establishing the deterministic backend required for co-simulation, hardware-in-the-loop testing, and automated LLM-driven generation pipelines.
- Abstract（参考訳）: シナリオベースのテストは、主にレガシーなASAM OpenSCENARIO 1.x XML標準に依存している。
v2.xロジックの評価にレガシインタプリタを適用すると、時空間ドリフト、非同期イベントレイテンシ、人工キネマティックスナッピングが導入される。
この実行ギャップに対処するため、OSC2RunnerはOpenSCENARIO v2.x DSLをCARLAにネイティブにマッピングできる最初のオーケストレーションフレームワークを導入した。
このフレームワークは、マルチパストランスパイラアーキテクチャを通じて、コンパイルパイプラインとしてシナリオ翻訳を形式化する。
静的な軌跡再生を通すことで、アーキテクチャはタイプセーフな抽象構文木を直接動的決定論的行動木(py_trees)に合成し、CARLAのアトミックAPIにネイティブにマッピングする。
高頻度対向性ケーススタディにおける実証的検証は、Tick-by-tick決定性、正確な空間的トリガ評価、および100.0msのクロスアクターブラックボード同期を示す。
運動学的解析は、連続した環境境界への厳密な固執を証明している。
このアーキテクチャは、シナリオベースのテストを、近似的な振る舞い解釈から数学的に厳密な実行に移行し、コシミュレート、ハードウェア・イン・ザ・ループテスト、自動LLM駆動生成パイプラインに必要な決定論的バックエンドを確立する。
関連論文リスト
- Scalable Distributed Simulation-Based Testing for Automated Driving Systems [1.1470070927586018]
本稿では、自動走行システム(ADS)のCARLAに基づくシナリオテストのためのエンドツーエンドの宣言駆動フレームワークを提案する。
ROS 2アプリケーションは、リポジトリ仕様から生成される標準化されたHelmチャートとしてパッケージされ、シミュレーション環境全体が動的Helmfileマニフェストを介して構成されます。
このフレームワークは、シナリオソースや下流評価モジュールに接続する実世界のADSテストアプリケーションでさらに実証されている。
論文 参考訳（メタデータ） (2026-08-21T09:22:45Z) - TELLER: Non-intrusive Cross-Layer Root-Cause Analysis for LLM Inference [47.62941623025392]
本稿では,非侵入的でログ対応なLLM推論フレームワークであるTELLERについて紹介する。
TELLERはモデルバイナリを変更することなく、NVTX/CUPTIトレースとサービスログを収集する。
リクエスト毎のコールチェーンツリーを再構築し、ログ行と対応する実行ステップをアライメントする。
これらの表現に加えて、TELLERは数値的候補のローカライゼーションとマルチモーダルな根起因モデルを組み合わせる。
論文 参考訳（メタデータ） (2026-08-03T09:39:11Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - From Abstraction to Instantiation: Learning Behavioral Representation for Vision-Language-Action Model [76.88595728131288]
VLA(Vision-Language-Action)モデルは、分散シフト時にしばしば性能劣化に悩まされる。
時間的コヒーレントな行動表現の学習を通じて堅牢な操作を容易にするフレームワークである textbfBehaviorVLA を提案する。
RoboTwin 2.0、LIBERO、CALVINの実験では、最先端の成功率は58%、98%、および4.36(Avg.Len)である。
論文 参考訳（メタデータ） (2026-05-21T16:14:19Z) - DynT2I-Eval: A Dynamic Evaluation Framework for Text-to-Image Models [78.62380562116135]
テキスト・トゥ・イメージ(T2I)モデルのための完全に自動化された動的評価フレームワークであるDynT2I-Evalを提案する。
長い形式の記述から構造化された視覚意味空間を構築し、プロンプトを制御可能な次元に分解する。
DynT2I-Evalは、テキストアライメント、知覚品質、美学のモデル性能を評価する。
論文 参考訳（メタデータ） (2026-05-07T12:53:51Z) - Intent2Tx: Benchmarking LLMs for Translating Natural Language Intents into Ethereum Transactions [6.606052122056915]
textscIntent2Txは、11のカテゴリにわたる現実世界のプロトコルインタラクションにおいて、自然言語の意図を基礎にしている。
textscIntent2Txは、意図中心のWeb3エコシステムにおいて、自律的で信頼性の高いエージェントを開発するための重要な基盤となっている。
論文 参考訳（メタデータ） (2026-04-30T11:52:50Z) - Compiling OpenSCENARIO 2.1 for Scenario-Based Testing in CARLA [0.0]
本稿では,OpenSCENARIO 2.1 DSLを直接実行可能なCARLA動作に変換する,現代的なコンパイラアーキテクチャを提案する。
このパイプラインは、AST(Abstract Syntax Tree)生成のためのANTLR4ランタイム、セマンティックなミドルウェア、決定論的py_trees振舞いツリーを合成するバックエンドを備えている。
論文 参考訳（メタデータ） (2026-04-07T20:30:06Z) - Declarative Scenario-based Testing with RoadLogic [2.2107822884016404]
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。
論文 参考訳（メタデータ） (2026-03-10T10:11:09Z) - An Architecture-Led Hybrid Report on Body Language Detection Project [0.0]
本報告では、2つの近代視覚言語モデル(VLM)のアーキテクチャによる分析について述べる。
アーキテクチャプロパティがBodyLanguageDetectionで実装された実用的なビデオからアーティファクトパイプラインにどのようにマップされているかを説明する。
論文 参考訳（メタデータ） (2025-12-28T18:03:00Z) - Behavior Trees vs Executable Ontologies: a Comparative Analysis of Robot Control Paradigms [51.56484100374058]
ロボット行動のモデリングには,インペラティブ・ビヘイビア・ツリー(BT)と宣言的実行可能オントロジー(EO)の2つのアプローチを比較した。
一方、EOはデータフロールールによって駆動される時間的イベントベースのセマンティックグラフとしてドメインを表現している。
論文 参考訳（メタデータ） (2025-11-19T09:38:01Z) - Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。
既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。
単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
論文 参考訳（メタデータ） (2025-05-28T14:03:02Z) - COrAL: Order-Agnostic Language Modeling for Efficient Iterative Refinement [80.18490952057125]
反復改良は、複雑なタスクにおける大規模言語モデル(LLM)の能力を高める効果的なパラダイムとして登場した。
我々はこれらの課題を克服するために、コンテキストワイズ順序非依存言語モデリング(COrAL)を提案する。
当社のアプローチでは、管理可能なコンテキストウィンドウ内で複数のトークン依存関係をモデル化しています。
論文 参考訳（メタデータ） (2024-10-12T23:56:19Z)
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。