論文の概要: IcFuzz: Fuzzing Isaac Sim with Semantic Stage Guidance and Multi-level Mutation

• arxiv url: http://arxiv.org/abs/2608.06088v1
• Date: Thu, 06 Aug 2026 14:29:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.774959
• Title: IcFuzz: Fuzzing Isaac Sim with Semantic Stage Guidance and Multi-level Mutation
• Title（参考訳）: IcFuzz: セマンティックステージガイダンスとマルチレベルミューテーションを備えたアイザック・シムのファジング
• Abstract要約: NVIDIA Isaac Simは、最も人気のあるシミュレーターの1つとして登場した。 既存のファジリングアプローチは、コンテキスト認識オブジェクトセマンティクスの課題のために、Isaac Simを効果的にテストするのに苦労している。 本稿ではIcFuzzを提案する。IcFuzzはIsaac Simの最初のファジィ手法である。
• 参考スコア（独自算出の注目度）: 47.88121904949889
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robotics simulators serve as a foundational infrastructure for embodied AI, facilitating safe and scalable robotic system development. NVIDIA Isaac Sim has emerged as one of the most popular simulators, distinguished by its GPU-accelerated physics engine and photorealistic rendering, which enable high-fidelity modeling of complex environments. However, its inherent complexity inevitably introduces software bugs that can compromise simulation reliability. Existing fuzzing approaches struggle to test Isaac Sim effectively due to challenges of context-aware object semantics, hierarchical simulation control, and a vast simulation state space. In this paper, we propose IcFuzz, the first fuzzing approach for Isaac Sim. IcFuzz first performs an LLM-based semantic stage segmentation, decomposing simulation programs into structured stages that capture context-aware object semantics. Guided by this information, IcFuzz designs multi-level mutation operators to systematically exercise the simulator across hierarchical granularities. To efficiently navigate the vast simulation state space, IcFuzz employs a multi-armed bandit algorithm to adaptively schedule mutation operators. Experimental results show that IcFuzz outperforms the baselines in terms of both code coverage and bug detection. Specifically, IcFuzz achieves approximately 190\%--205\% of the code coverage of the baselines and detects an average of 3.7 unique crashes over three rounds of 12-hour tests, while no crashes are detected by the baselines. Moreover, IcFuzz has uncovered 11 bugs over approximately four months, 9 of which have been confirmed or fixed by the developers.
• Abstract（参考訳）: ロボティクスシミュレータは、AIを具現化するための基盤として機能し、安全でスケーラブルなロボットシステム開発を促進する。 NVIDIA Isaac Simは、GPUが加速する物理エンジンと、複雑な環境の高忠実度モデリングを可能にするフォトリアリスティックレンダリングで区別される、最も人気のあるシミュレータの1つとして登場した。 しかし、その固有の複雑さは必然的に、シミュレーションの信頼性を損なう可能性のあるソフトウェアバグをもたらします。 既存のファジィングアプローチは、コンテキスト認識オブジェクトセマンティクス、階層的シミュレーション制御、および膨大なシミュレーション状態空間の課題のために、Isaac Simを効果的にテストするのに苦労している。 本稿ではIcFuzzを提案する。IcFuzzはIsaac Simの最初のファジィ手法である。 IcFuzzはまずLLMベースのセマンティックステージセグメンテーションを実行し、シミュレーションプログラムを構造化ステージに分解し、コンテキスト対応のオブジェクトセマンティクスをキャプチャする。 この情報に導かれ、IcFuzzは階層的な粒度にわたってシミュレータを体系的に運動させるマルチレベル突然変異演算子を設計した。 膨大なシミュレーション状態空間を効率的にナビゲートするために、IcFuzzはマルチアームバンディットアルゴリズムを用いて突然変異演算子を適応的にスケジュールする。 実験の結果、IcFuzzはコードカバレッジとバグ検出の両方でベースラインを上回っていることがわかった。 具体的には、IcFuzzはベースラインのコードカバレッジの約190\%--205\%を達成し、3回の12時間テストで平均3.7のユニークなクラッシュを検出し、ベースラインによってクラッシュは検出されない。 さらに、IcFuzzは約4ヶ月で11のバグを発見した。

関連論文リスト

• GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments [63.222920701596564]
  実世界での実施エージェントの訓練には熟練したオペレーターと高価なハードウェアが必要である。 シミュレーション環境は、大規模で費用対効果の高いデータ拡張を可能にすることで、魅力的な代替手段を提供する。 シミュレーションシーンを最小限のsim-to-realギャップで高速に構築することは、ロボット学習において重要な目標となっている。
  論文  参考訳（メタデータ） (2026-06-16T05:00:42Z)
• Context-aware Learned Mesh-based Simulation via Trajectory-Level Meta-Learning [20.72669976554826]
  Learned Graph Network Simulators (GNS)は、従来のメッシュベースの物理シミュレータに代わる有望な代替手段を提供する。 その速度と固有の微分性は、ロボット操作や製造最適化のような高速で正確なシミュレーションを必要とするアプリケーションに適している。 動作プリミティブを用いて、1つのモデルコールから高速で安定で正確なシミュレーションを直接予測する。
  論文  参考訳（メタデータ） (2025-11-07T13:34:02Z)
• SimBench: Benchmarking the Ability of Large Language Models to Simulate Human Behaviors [58.87134689752605]
  我々は,LLMシミュレーションの堅牢で再現可能な科学のための,最初の大規模標準ベンチマークであるSimBenchを紹介する。 現在、最高のLLMでさえシミュレーション能力が限られ(スコア: 40.80/100)、性能はモデルサイズと対数的にスケールする。 シミュレーション能力は、深い知識集約的推論と最も強く相関していることを示す。
  論文  参考訳（メタデータ） (2025-10-20T13:14:38Z)
• PolySim: Bridging the Sim-to-Real Gap for Humanoid Control via Multi-Simulator Dynamics Randomization [53.7088694598817]
  複数の異種シミュレータを統合するWBCトレーニングプラットフォームであるPolySimを紹介する。 理論的には、PolySimは単シミュレータトレーニングよりもシミュレータ誘導バイアスの強い上限が得られることを示す。
  論文  参考訳（メタデータ） (2025-10-02T06:31:42Z)
• G-Sim: Generative Simulations with Large Language Models and Gradient-Free Calibration [48.948187359727996]
  G-Simは、厳密な経験的校正によるシミュレータ構築を自動化するハイブリッドフレームワークである。 信頼性のある因果的インフォームドシミュレータを生成し、データ効率を軽減し、堅牢なシステムレベルの介入を可能にする。
  論文  参考訳（メタデータ） (2025-06-10T22:14:34Z)
• JiSAM: Alleviate Labeling Burden and Corner Case Problems in Autonomous Driving via Minimal Real-World Data [49.2298619289506]
  本稿では,ジッタリング強化,ドメイン認識バックボーン,メモリに基づくセクタライズAlignMentのためのJiSAMというプラグイン・アンド・プレイ手法を提案する。 有名なADデータセットであるNuScenesで実施された広範な実験において、SOTA 3Dオブジェクト検出器を用いて、JiSAMはシミュレーションデータと2.5%の実データにラベルを付けるだけで、実データで訓練されたモデルに匹敵する性能が得られることを示した。
  論文  参考訳（メタデータ） (2025-03-11T13:35:39Z)
• BeSimulator: A Large Language Model Powered Text-based Behavior Simulator [18.318419980796012]
  本研究では,BeSimulatorをテキストベースの環境下での動作シミュレーションの試みとして提案する。 BeSimulatorはシナリオを一般化し、長距離複素シミュレーションを実現する。 本実験は, ベースラインに比べ, 挙動シミュレーションにおいて顕著な性能向上を示した。
  論文  参考訳（メタデータ） (2024-09-24T08:37:04Z)
• Informal Safety Guarantees for Simulated Optimizers Through Extrapolation from Partial Simulations [0.0]
  自己教師付き学習は、最先端の言語モデリングのバックボーンである。 自己教師付きデータセットにおける予測損失を伴うトレーニングはシミュレータを引き起こすと論じられている。
  論文  参考訳（メタデータ） (2023-11-29T09:32:56Z)
• SimuShips -- A High Resolution Simulation Dataset for Ship Detection with Precise Annotations [0.0]
  畳み込みニューラルネットワーク(CNN)に基づく最先端の障害物検出アルゴリズム SimuShipsは、海洋環境向けに公開されているシミュレーションベースのデータセットである。
  論文  参考訳（メタデータ） (2022-09-22T07:33:31Z)
• Finding Failures in High-Fidelity Simulation using Adaptive Stress Testing and the Backward Algorithm [35.076062292062325]
  適応ストレステスト(アダプティブストレステスト、英: Adaptive stress testing、AST)は、強化学習を用いてシステムの最も起こりそうな障害を見つける手法である。 深い強化学習の解法を持つASTは、様々なシステムにまたがる障害を見つけるのに有効であることが示されている。 効率を向上させるために,まず低忠実度シミュレータで故障を検知する手法を提案する。 次に、単一の専門家によるデモンストレーションを使用してディープニューラルネットワークポリシーをトレーニングするバックワードアルゴリズムを使用して、低忠実度障害を高忠実度に適応させる。
  論文  参考訳（メタデータ） (2021-07-27T16:54:04Z)

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。