論文の概要: Automatic Testing of Interacting Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2607.12452v2
• Date: Wed, 15 Jul 2026 07:23:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 12:21:59.556104
• Title: Automatic Testing of Interacting Autonomous Vehicles
• Title（参考訳）: 対話型自動運転車の自動テスト
• Authors: Fabio Cavaleri, Alessio Gambi, Paolo Arcaini, Dejan Ničković, Mauro Pezzè,
• Abstract要約: EVITAは多目的最適化を利用して複数の相互作用型AVをトリガーするシナリオを生成する手法である。 本稿で論じる実験結果から,EVITAは最先端のアプローチよりも多種多様なAVの相互作用を引き起こすことが確認された。
• 参考スコア（独自算出の注目度）: 5.10779798572112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous vehicles (AVs) must be thoroughly tested to meet high safety standards and avoid endangering both AV passengers and road users. Scenario-based testing implements driving scenarios in virtual simulation environments as a cost-effective alternative to field testing. Common scenario-based testing approaches set the environment and the surrounding traffic and test a single AV. Recent studies show that the approaches that test single AVs miss critical behaviors that emerge from interactions among multiple AVs. Effective approaches to test scenarios that emerge from n-way interactions must address the combinatorial explosion that the presence of multiple AVs further exacerbates. In this paper, we propose EVITA, an approach that leverages multi-objective optimization to generate scenarios that trigger multiple and diverse AVs interactions, while minimizing the complexity of the generated scenarios, to effectively test multiple interacting AVs and reveal safety-critical scenarios that current approaches overlook. The experimental results that we discuss in this paper confirm that EVITA triggers a higher variety of AVs interactions than state-of-the-art approaches, thus improving the likelihood to reveal safety-critical behaviors.
• Abstract（参考訳）: 自動運転車(AV)は、高い安全基準を満たし、AV乗客と道路利用者の両方を危険にさらすのを避けるために、徹底的にテストされなければならない。 シナリオベースのテストでは、フィールドテストの費用対効果として、仮想シミュレーション環境での駆動シナリオを実装している。 一般的なシナリオベースのテストアプローチでは、環境と周囲のトラフィックを設定し、1つのAVをテストする。 最近の研究では、単一のAVをテストするアプローチは、複数のAV間の相互作用から生じるクリティカルな振る舞いを見逃すことが示されている。 n方向相互作用から生じるシナリオをテストするための効果的なアプローチは、複数のAVの存在がさらに悪化する組合せ爆発に対処する必要がある。 本稿では,多目的最適化を利用して,多種多様なAVのインタラクションをトリガーするシナリオを生成する手法であるEVITAを提案する。また,生成されたシナリオの複雑さを最小化し,複数のAVを効果的にテストし,現在のアプローチが見落としている安全クリティカルなシナリオを明らかにする。 本稿で論じる実験結果から,EVITAは最先端アプローチよりも多種多様なAVの相互作用を引き起こすことが確認され,安全クリティカルな行動を明らかにする可能性が向上した。

関連論文リスト

• From Conflicts to Collisions: A Two-Stage Collision Scenario-Testing Approach for Autonomous Driving Systems [9.14431445045481]
  中間探索対象として衝突関連コンフリクトの概念を導入する。 本稿では,まずコンフリクトを検索し,実際の衝突を誘発するためにこれらのコンフリクトシナリオを変更可能な2段階シナリオテストフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-14T12:24:22Z)
• Realistic adversarial scenario generation via human-like pedestrian model for autonomous vehicle control parameter optimisation [3.1203011162495997]
  公道での直接テストは、稀だが重要な相互作用に対して費用がかかり、安全ではない。 シミュレーションベースのテストでは、安全限界を探索するために敵シナリオが広く使用されている。 本稿では,認知にインスパイアされた歩行者モデルを用いた代替手法を提案する。
  論文  参考訳（メタデータ） (2026-01-05T13:10:32Z)
• Test Automation for Interactive Scenarios via Promptable Traffic Simulation [48.240394447516664]
  本稿では,対話型シナリオにおけるAVプランナ評価のための,現実的かつ安全クリティカルな人間の行動を生成する自動化手法を提案する。 我々は低次元目標位置を用いて複雑な人間の行動のパラメータ化を行い、それをプロンプト可能な交通シミュレータProSimに入力する。 テスト生成を自動化するために,目標領域を探索し,ベイズ最適化を用いて安全クリティカルな動作を効率的に識別するプロンプト生成モジュールを導入する。
  論文  参考訳（メタデータ） (2025-06-01T22:29:32Z)
• Generating Critical Scenarios for Testing Automated Driving Systems [5.975915967339764]
  AVASTRAは、自律運転システムをテストするための現実的な重要なシナリオを生成するための強化学習ベースのアプローチである。 その結果、AVASTRAは、30%から115%の衝突シナリオを発生させることで、最先端のアプローチを上回る能力を示している。
  論文  参考訳（メタデータ） (2024-12-03T16:59:30Z)
• Stackelberg Driver Model for Continual Policy Improvement in Scenario-Based Closed-Loop Autonomous Driving [5.765939495779461]
  安全クリティカルなシナリオを合成するための効率的な手法のクラスとして、敵生成法が登場した。 Stackelberg Driver Model (SDM) を調整し、車両相互作用の階層的な性質を正確に特徴づける。 提案アルゴリズムは,特に高次元シナリオにおいて,いくつかのベースラインと比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2023-09-25T15:47:07Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Evolving Testing Scenario Generation Method and Intelligence Evaluation Framework for Automated Vehicles [12.670180834651912]
  本稿では、深部強化学習(DRL)を利用して、自動車両(AV)のテストおよびインテリジェンス評価のための人間のようなBVを作成する進化シナリオ生成手法を提案する。 その結果,提案シナリオは,他のベースラインシナリオと比較して高い複雑性を示し,自然主義駆動データと85%以上類似していることがわかった。
  論文  参考訳（メタデータ） (2023-06-12T14:26:12Z)

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。