論文の概要: WM-Cov: Test Adequacy for Interactive World-Model-Style Autonomous Driving Simulation
- arxiv url: http://arxiv.org/abs/2608.00298v1
- Date: Fri, 31 Jul 2026 21:16:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 15:11:21.231083
- Title: WM-Cov: Test Adequacy for Interactive World-Model-Style Autonomous Driving Simulation
- Title（参考訳）: WM-Cov: 対話型世界モデル型自律運転シミュレーションのためのテスト精度
- Abstract要約: 自律運転のためのインタラクティブなテストインフラストラクチャとして、世界モデルと生成シミュレータが登場している。
本稿では WM-Cov を導入し,インタラクティブな世界モデル型テストの妥当性を定式化する。
WM-Covは、カバレッジの増大、有効な欠陥発見、失敗モードの多様性、リアリズム、アーティファクトの抑制、有効証拠の精度を通じて、妥当性を報告している。
- 参考スコア（独自算出の注目度）: 0.596133719688107
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: World models and generative simulators are emerging as interactive testing infrastructure for autonomous driving because they can react to the ego planner and produce counterfactual, rare, and safety-critical rollouts. This changes a test scenario from a fixed replayed trajectory into an interactive scenario family whose realized evolution depends on the planner under test. The unresolved question is therefore not only whether dangerous rollouts can be generated, but what valid closed-loop evidence is enough to support a specified testing intent and stopping decision. This paper formulates interactive world-model-style testing adequacy and introduces WM-Cov, a provider-agnostic evaluation layer that converts raw provider outputs into requested, realized, and valid evidence. WM-Cov reports adequacy through coverage growth, valid-failure discovery, failure-mode diversity, realism, artifact suppression, duplicate accounting, and valid-evidence precision. Studies on executed TeraSim/SUMO events, WM-like mixed trace pools, and a real DriveArena TrafficManager--WorldDreamer matrix show that dangerous-looking events can include valid ADS failures, duplicates, partial realizations, and artifacts. The DriveArena matrix evaluates two planners, two horizons, six prompt conditions, and 360 ego-route requests; 304 attempts become fully realized evidence and 56 remain partial. A disjoint 80-request route-slice check yields 74 fully realized and 6 partial attempts. The results support evaluating world-model-style testing by convergence of valid interactive evidence under budget, rather than by raw generated failures or prompt coverage alone.
- Abstract（参考訳）: 世界モデルと生成シミュレータは、エゴプランナーに反応し、カウンターファクト、レア、セーフティクリティカルなロールアウトを生産できるため、自律運転のためのインタラクティブなテスト基盤として出現している。
これはテストシナリオを、固定された再生軌跡から、テスト中のプランナーに依存した対話的なシナリオファミリに変更する。
したがって、未解決の問題は、危険なロールアウトを発生できるかどうかだけではなく、有効なクローズループ証拠は、特定のテスト意図をサポートし、決定を阻止するのに十分である。
本稿では、インタラクティブなワールドモデルスタイルのテスト精度を定式化し、生のプロバイダ出力を要求された、実現された、有効なエビデンスに変換するプロバイダに依存しない評価層であるWM-Covを紹介する。
WM-Covは、カバレッジ成長、有効な欠陥発見、失敗モードの多様性、リアリズム、アーティファクトの抑制、重複会計、有効証拠の正確性を通じて、妥当性を報告している。
TeraSim/SUMOイベントの実行、WMライクな混合トレースプール、実際のDriveArena TrafficManager--WorldDreamerマトリックスの研究によると、危険なイベントには、有効なADS障害、重複、部分的な実現、アーティファクトが含まれる。
DriveArenaマトリクスは2つのプランナー、2つの水平線、6つのプロンプト条件、360のエゴルート要求を評価し、304の試行は完全な証拠となり、56は部分的のままである。
解離した80個の経路スライスチェックは74個の完全に実現され、6個の部分的な試行が行われる。
結果は、生の失敗や即時的なカバレッジではなく、有効なインタラクティブなエビデンスを予算の下に収束させることによって、ワールドモデルスタイルのテストを評価することを支援する。
関連論文リスト
- HarnessEval-W: Agentifying the Evaluation of Visual Worlds [149.63310396189317]
HarnessEval-Wは、世界モデルのベンチマークのためのエージェント化された評価パイプラインである。
HarnessEval-Wは固定ルーブリックを適用するのではなく、評価問題を測定可能なサブプロブレムに分解する。
330件の評価事例に対して,HarnessEval-Wを18の代表的な世界モデルに適用した。
論文 参考訳（メタデータ） (2026-08-17T17:43:24Z) - How Do Agents Fail on AutoResearch: End-to-End Diagnostic Evaluation on 100 Real-World Frontier Research Tasks [6.001213285107465]
AutoResearchEvalは、7つの科学領域にまたがるフロンティア科学に根ざした100のタスクを特徴としている。
8つのハーネスモデルの組み合わせを評価すると、800個のオート検索剤の軌道が得られる。
我々は,人間のキャリブレーションしたエージェント・アズ・ア・ジャッジ・パイプラインを利用して,完全な軌道や中間成果物を検査する。
論文 参考訳（メタデータ） (2026-08-14T21:39:38Z) - Validate the Dream Before You Trust Its Verdict: Admissibility for World-Model Simulators [2.299872239734834]
宣誓供述書として使用される世界モデル(WM)は、その判決が証拠として機能する前に最初に認定されなければならないと我々は主張する。
我々のフレームワークは具体化に依存しず、自律運転でインスタンス化されている。
論文 参考訳（メタデータ） (2026-07-08T09:30:31Z) - ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving [56.96697737229895]
リアクティブ能力は、自律運転シミュレーションシステムのためのデータ駆動行動世界モデルシミュレータの重要な特性である。
本稿では,自律運転における行動世界モデルシミュレーションの反応性を評価するためのReactSim-Benchを紹介する。
論文 参考訳（メタデータ） (2026-06-12T03:11:06Z) - What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある
SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。
SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
論文 参考訳（メタデータ） (2026-06-01T03:18:01Z) - Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。
既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。
エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-07T13:38:18Z) - Dynasto: Validity-Aware Dynamic-Static Parameter Optimization for Autonomous Driving Testing [6.969678532857503]
自律運転システムにおける安全クリティカルな障害を明らかにするための2段階のテスト手法であるDynastoを提案する。
まず、時間論理に基づく妥当性基準を用いた強化学習を用いて、敵エージェントを訓練する。
第二に、遺伝的アルゴリズムは、敵の失敗を誘発する振る舞いを再生しながら初期条件を探索し、RLエージェントだけでは発見できない追加の失敗を明らかにする。
論文 参考訳（メタデータ） (2026-03-22T22:35:30Z) - CRASH: Cognitive Reasoning Agent for Safety Hazards in Autonomous Driving [0.3823356975862005]
本研究は、NHTSAデータベースで報告された現実世界のAVインシデントを調べる。
我々は、標準化されたフィールドと非構造化の物語記述の両方を活用することで、クラッシュレポートの推論を自動化するエージェントであるCRASHを紹介する。
以上の結果から,CRASHは事故の64%が認識障害や計画失敗によるものと考えられた。
さらに5つのドメインエキスパートでCRASHを検証することで,AVシステム障害の原因となる精度を86%向上する。
論文 参考訳（メタデータ） (2026-03-16T14:39:33Z) - 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) - From Accidents to Insights: Leveraging Multimodal Data for Scenario-Driven ADS Testing [3.984220091774453]
本稿では,シナリオベースADSテストケース生成フレームワークであるTRACEを紹介する。
マルチモーダルデータを活用して、現実世界の事故報告から困難なシナリオを抽出することで、TRACEは少ないデータで多数の重要なテストケースを構築します。
ユーザからのフィードバックによると、TRACEはシナリオ再構築の精度が優れており、シナリオの77.5%が"ほぼ"あるいは"完全に"一貫性がある"と評価されている。
論文 参考訳（メタデータ） (2025-02-04T05:21:29Z) - NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。
我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。
NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
論文 参考訳（メタデータ） (2024-06-21T17:59:02Z) - Zero-Knowledge Proof of Traffic: A Deterministic and Privacy-Preserving Cross Verification Mechanism for Cooperative Perception Data [7.919995199824006]
本研究では、ゼロ知識の証明(zk-PoT)と呼ばれる新しい手法を提案する。
同じ車両に関する複数の独立した証明は、基底的真理、確率的、あるいは確率的評価に頼らずに、どの受信機でも決定論的に相互検証することができる。
提案手法は、ETSI(European Telecommunications Standards Institute)やISO(International Organization for Standardization)ITS(International Organization for Standardization)など、既存の業務に組み込むことができる。
論文 参考訳（メタデータ） (2023-12-13T07:53:06Z)
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。