論文の概要: Chat2Scenic: An Iterative RAG-Based Framework for Scenario Generation in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2607.14387v1
• Date: Wed, 15 Jul 2026 22:02:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.920053
• Title: Chat2Scenic: An Iterative RAG-Based Framework for Scenario Generation in Autonomous Driving
• Title（参考訳）: Chat2Scenic: 自動運転におけるシナリオ生成のための反復的なRAGベースのフレームワーク
• Abstract要約: 本稿では,Chat2Scenicを提案する。Chat2Scenicは,特定の言語でシナリオスクリプトを生成するための,最初の反復的検索拡張フレームワークである。 Chat2Scenicはインタラクティブなシナリオ改善をサポートし、Retrieval-augmented Generation (RAG)を統合して、規制知識とDSL構文のシナリオ生成を基盤とする。 NHTSAや国連車両規制など,さまざまな規制から123のシナリオを含むシナリオ生成のためのオープンベンチマークを提案する。
• 参考スコア（独自算出の注目度）: 9.511162573483828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Validating autonomous driving systems requires diverse, regulation-compliant test scenarios. In simulation-based testing, scenarios are defined as executable scripts. Yet automatically generating such scripts from regulatory descriptions remains an open challenge, and existing approaches face fundamental trade-offs. Retrieval-assemble methods achieve reasonable compilation rates but lack scalability, whereas retrieval-based full-script generation suffers from low compilation success rates. We present Chat2Scenic, the first iterative retrieval-augmented framework to generate scenario scripts in Domain Specific Language (DSL). Specifically, Chat2Scenic provides a chatbot interface that supports interactive scenario refinement and integrates Retrieval-augmented Generation (RAG) to ground scenario generation in regulatory knowledge and DSL syntax. Furthermore, we propose an open benchmark for scenario generation comprising 123 scenarios from various regulations, including NHTSA and United Nations Vehicle Regulations, as well as other sources. Extensive evaluation with State-of-the-Art (SOTA) Large Language Models (LLMs) demonstrates that Chat2Scenic achieves 76.42% Compilation Success Rate (CSR) and 58.17% Framework Accuracy (FA), outperforming existing methods (Retrieval Assemble with 30.08% CSR, 11.03% FA and Retrieval full script generation with 16.26% CSR, 10.86% FA). To facilitate future research, we release our code as open source at https://github.com/TUM-AVS/chat2scenic.
• Abstract（参考訳）: 自律運転システムの検証には、多種多様な規制に準拠したテストシナリオが必要である。 シミュレーションベースのテストでは、シナリオは実行可能なスクリプトとして定義される。 しかし、規制記述からこのようなスクリプトを自動的に生成することはオープンな課題であり、既存のアプローチは基本的なトレードオフに直面している。 Retrieval-assemble法は、適切なコンパイル率を達成するがスケーラビリティに欠ける一方、検索ベースのフルスクリプト生成は、コンパイル成功率の低下に悩まされている。 本稿では、ドメイン固有言語(DSL)でシナリオスクリプトを生成するための、最初の反復的検索拡張フレームワークであるChat2Scenicを紹介する。 特にChat2Scenicは、対話型シナリオリファインメントをサポートするチャットボットインターフェースを提供し、規制知識とDSL構文のシナリオ生成を基盤として、Retrieval-augmented Generation(RAG)を統合している。 さらに、NHTSAや国連車両規制など、さまざまな規制から123のシナリオを含むシナリオ生成のためのオープンベンチマークを提案する。 State-of-the-Art (SOTA) Large Language Models (LLMs) による大規模な評価は、Chat2Scenicが76.42%のコンパイル成功率 (CSR) と58.17%のフレームワーク精度 (FA) を達成し、既存の手法よりも優れていることを示している(Retrieval Assemble with 30.08% CSR, 11.03% FA と Retrieval full script generation with 16.26% CSR, 10.86% FA)。 将来の研究を促進するため、私たちはhttps://github.com/TUM-AVS/chat2scenic.comでコードをオープンソースとして公開しています。

関連論文リスト

• Scenario Generation for Testing of Autonomous Driving Systems Using Real-World Failure Records [19.330267460084773]
  本稿では,歴史的記録から利用できる分類的・文脈的情報を用いた自然言語形式でのシナリオ生成パイプラインを提案する。 そこで我々は,メタドライブシミュレータ上で自律ナビゲーションをテストするためのシナリオを多種多様に生成するために,本手法をうまく適用した。
  論文  参考訳（メタデータ） (2026-06-30T04:56:25Z)
• ClawEnvKit: Automatic Environment Generation for Claw-Like Agents [85.29126619772153]
  我々は、オンデマンドで検証された環境を生成することができる自動生成パイプラインであるClawEnvKitを紹介する。 ClawEnvKitは、(1)自然言語入力から構造化生成パラメータを抽出するパイプライン、(2)タスク仕様、ツールインターフェース、スコアリング設定を生成するジェネレータ、(3)実現可能性、多様性、構造的妥当性、内部整合性を強制するバリデータからなる。 爪のようなエージェントの大規模なベンチマークであるAuto-ClawEvalを構築し、24のカテゴリで1,040の環境を網羅した。
  論文  参考訳（メタデータ） (2026-04-20T17:36:49Z)
• 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)
• iScript: A Domain-Adapted Large Language Model and Benchmark for Physical Design Tcl Script Generation [48.502477318243386]
  iScriptは、Innovus Tclスクリプト生成のためのドメイン適応Qwen3-8Bモデルである。 iScriptのパス@kスコアは、現在最先端のLLMよりも高い。
  論文  参考訳（メタデータ） (2026-03-04T15:20:35Z)
• 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)
• Req2Road: A GenAI Pipeline for SDV Test Artifact Generation and On-Vehicle Execution [24.305511228249486]
  大規模言語モデルと視覚言語モデルは、信号と行動論理を抽出するために使用される。 パイプラインは検索拡張生成を使用して、マッピング前に候補VSS信号をプリセレクトする。 本稿では,SDVサブシステムのためのエンドツーエンド要求-テストパイプラインの実現可能性とアーキテクチャ実証について述べる。
  論文  参考訳（メタデータ） (2026-02-17T14:03:35Z)
• SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
  SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。 提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。 我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
  論文  参考訳（メタデータ） (2025-03-11T17:53:02Z)
• Text2Scenario: Text-Driven Scenario Generation for Autonomous Driving Test [15.601818101020996]
  Text2Scenarioは、ユーザー仕様と密接に一致したシミュレーションテストシナリオを自律的に生成するフレームワークである。 結果は、手動のシナリオ構成に必要な労力を伴わない、多様なADスタックの効率的かつ正確な評価である。
  論文  参考訳（メタデータ） (2025-03-04T07:20:25Z)
• RealGen: Retrieval Augmented Generation for Controllable Traffic Scenarios [58.62407014256686]
  RealGenは、トラフィックシナリオ生成のための新しい検索ベースのコンテキスト内学習フレームワークである。 RealGenは、複数の検索されたサンプルの振る舞いを勾配のない方法で組み合わせることで、新しいシナリオを合成する。 このコンテキスト内学習フレームワークは、シナリオを編集する機能を含む多種多様な生成機能を提供する。
  論文  参考訳（メタデータ） (2023-12-19T23:11:06Z)
• In-Context Learning for Few-Shot Dialogue State Tracking [55.91832381893181]
  In-context (IC) Learning framework for few-shot dialogue state tracking (DST)を提案する。 大規模な事前訓練言語モデル(LM)は、テストインスタンスといくつかの注釈付き例を入力として取り、パラメータの更新なしに直接対話状態をデコードする。 これにより、LMは、新しいドメインやシナリオに適応する際の、以前の数ショットのDST作業と比べて、より柔軟でスケーラブルになります。
  論文  参考訳（メタデータ） (2022-03-16T11:58:24Z)
• proScript: Partially Ordered Scripts Generation via Pre-trained Language Models [49.03193243699244]
  我々は、トレーニング済みのニューラルネットワークモデル(LM)が高品質なスクリプトを生成するために微調整できることを初めて実証した。 クラウドソースされた部分的に順序付けられたスクリプト(proScriptという名前)を収集しました。 私たちの実験では、これまでのスクリプトコレクションの障壁を克服するための新しいアプローチを示す(例えば、タスク(i)中のf1=75.7)。
  論文  参考訳（メタデータ） (2021-04-16T17:35:10Z)

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。