論文の概要: RoboVAST: Automated Scenario-Based Validation of Robots at Scale
- arxiv url: http://arxiv.org/abs/2607.06248v1
- Date: Tue, 07 Jul 2026 13:14:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.530311
- Title: RoboVAST: Automated Scenario-Based Validation of Robots at Scale
- Title（参考訳）: RoboVAST: 大規模ロボットの自動シナリオベース検証
- Abstract要約: シナリオを構成的にモデル化し,これらの次元がどのように変化し,インスタンス化され,実行され,解釈されるかを形式化するシナリオベース手法を提案する。
本稿では,宣言型キャンペーン仕様を実現するフレームワークであるRoboVASTを紹介した。
- 参考スコア（独自算出の注目度）: 4.63732827131233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Validation of robotic systems critically depends on the operating conditions under which they are assessed. Scenario selection and variation are often manual, experience-driven, and difficult to scale, which harms reproducibility and weakens validation conclusions. We propose a scenario-based methodology that models scenarios compositionally and formalizes how these dimensions are varied, instantiated, executed, and interpreted. Building on this, we introduce RoboVAST, a framework that realizes declarative campaign specifications, plugin-based scenario generation, and scalable containerized execution with integrated result analysis. We demonstrate the approach with a navigation dataset comprising 5480 scenario configurations and over 100000 execution runs across five indoor maps with varied paths, sensor noise, software parameters, and obstacle settings, totaling more than 1800 hours of simulated operation and 1873 km traveled. Twenty repetitions per configuration allow us to distinguish systematic failures from stochastic anomalies.
- Abstract（参考訳）: ロボットシステムの検証は、評価される動作条件に大きく依存する。
シナリオの選択とバリエーションは、しばしば手動、経験駆動、スケールが難しいため、再現性が損なわれ、検証の結論が弱まる。
シナリオを構成的にモデル化し,これらの次元がどのように変化し,インスタンス化され,実行され,解釈されるかを形式化するシナリオベース手法を提案する。
これに基づいて、宣言的なキャンペーン仕様、プラグインベースのシナリオ生成、および統合結果分析によるスケーラブルなコンテナ化実行を実現するフレームワークであるRoboVASTを紹介します。
提案手法は,5480のシナリオ構成と100000以上の実行を,異なる経路,センサノイズ,ソフトウェアパラメータ,障害物設定を含む5つの屋内マップ上で実施し,1800時間以上の模擬動作と1873kmの走行を合計したナビゲーションデータセットを用いて実証する。
構成ごとに20回繰り返し、確率的異常から系統的な障害を区別することができる。
関連論文リスト
- ALLUDE: A Unified Evaluation System for Configurable Attacks in Differentiable Environments [57.11645440673911]
物体検出器のような視覚モデルに対するアドリアック攻撃は、しばしば限られた条件下で評価され、その性能は過小評価される。
ALLUDEはLinuxとWindowsにまたがって第一種評価機能を提供する。
論文 参考訳（メタデータ） (2026-07-19T05:02:58Z) - MM-ToolSandBox: A Unified Framework for Evaluating Visual Tool-Calling Agents [50.27505102982638]
本稿では,ツールコールエージェントのベンチマークおよび評価フレームワークであるMM-ToolSandBoxを紹介する。
このフレームワークは16のアプリケーションドメインで500以上のツールにまたがるステートフルな実行環境を提供する。
マルチイメージのマルチターンタスクをサポートしており、エージェントは実行可能ツールコールに徐々に視覚的な入力を入力しなければならない。
論文 参考訳（メタデータ） (2026-07-13T17:13:09Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - 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 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) - Causality-based Transfer of Driving Scenarios to Unseen Intersections [0.0]
シナリオベースのテストでは、自動関数は事前に定義されたシナリオのセットで評価される。
現実的なシナリオを作成するには、パラメータとパラメータの依存関係を実際のデータを活用する必要がある。
本稿では,シナリオのパラメータ間の関係を体系的に解析する手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T15:38:18Z) - ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。
ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
論文 参考訳（メタデータ） (2022-06-14T17:09:35Z) - 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) - Discovering Avoidable Planner Failures of Autonomous Vehicles using
Counterfactual Analysis in Behaviorally Diverse Simulation [16.86782673205523]
本稿では,行動学的に多様な交通参加者をシミュレートする上で,近年の進歩を生かしたプランナーテストフレームワークを提案する。
提案手法は,多岐にわたる重要な計画立案者の失敗を見出すことができることを示す。
論文 参考訳（メタデータ） (2020-11-24T09:44:23Z)
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。