論文の概要: ScenarioCharacterization: A Modular Toolkit for Characterizing Safety across Trajectory Datasets

• arxiv url: http://arxiv.org/abs/2608.16041v1
• Date: Mon, 17 Aug 2026 03:10:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.511329
• Title: ScenarioCharacterization: A Modular Toolkit for Characterizing Safety across Trajectory Datasets
• Title（参考訳）: シナリオキャラクタリゼーション:トラジェクトリデータセット間の安全性を特徴付けるモジュールツールキット
• Abstract要約: ScenarioCharacterizationは、トラジェクトリデータセットにおける駆動シナリオの自動的、データセットに依存しないプロファイリングのためのオープンソースのフレームワークである。 当社のフレームワークは,カスタムデータセットをオープンなシナリオ表現にマッピングするデータセットアダプタ,シナリオとエージェントレベルで特徴抽出,行動探索,臨界度スコアリングを行うキャラクタ,シナリオの可視化と機能,スコア,プローブ分析を行う分析レイヤという,モジュール型の構成駆動パイプラインとしてパッケージ化されている。 レイヤは構成を介して構成されたPydantic-validatedスキーマを介してのみ通信するため、キャラクタリゼーションスタックを書き換えることなく、新しいデータセットを簡単にプラグインできる。
• 参考スコア（独自算出の注目度）: 13.271175210947021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce ScenarioCharacterization, an open-source framework for automated, dataset-agnostic profiling of driving scenarios in trajectory datasets. Our framework is packaged as a modular, configuration-driven pipeline of three layers: a dataset adapter that maps custom datasets onto an open Scenario representation, a characterizer that performs feature extraction, behavior probing, and criticality scoring at scenario and agent levels, and an analysis layer for scenario visualization and feature, score, and probe analyses. Because the layers communicate only through Pydantic-validated schemas composed via configurations, a new dataset can easily plug in without rewriting the characterization and analysis stack. This technical report describes the design and APIs, shows example outputs on Waymo Open Motion, Argoverse2, and nuPlan, and discusses downstream uses of the approach. The framework is available at https://github.com/navarrs/ScenarioCharacterization.
• Abstract（参考訳）: 我々は、軌跡データセットにおける駆動シナリオの自動的、データセットに依存しないプロファイリングのためのオープンソースのフレームワークであるScenarioCharacterizationを紹介した。 当社のフレームワークは,カスタムデータセットをオープンなシナリオ表現にマッピングするデータセットアダプタ,シナリオとエージェントレベルで特徴抽出,行動探索,臨界度スコアリングを行うキャラクタ,シナリオの可視化と機能,スコア,プローブ分析を行う分析レイヤという,モジュール型の構成駆動パイプラインとしてパッケージ化されている。 レイヤは構成を介して構成されたPydantic-validatedスキーマを介してのみ通信するため、キャラクタリゼーションと分析スタックを書き換えることなく、新しいデータセットを簡単にプラグインできる。 この技術レポートでは、デザインとAPIを説明し、Waymo Open Motion、Argoverse2、nuPlanのアウトプットの例を示し、このアプローチの下流での使用について論じている。 このフレームワークはhttps://github.com/navarrs/ScenarioCharacterizationで利用できる。

関連論文リスト

• Scene Graph-based Driving Scenario Extraction for Automotive Egocentric Datasets [0.0]
  シーングラフとLTL(Linear Temporal Logic)を用いて,エゴセントリックなデータセットからシナリオを抽出する手法を提案する。 まず、エゴセントリックなセンサデータとHDマップを処理し、運転シナリオを表すシーングラフのシーケンスを生成する。 次に、興味のある実行シナリオを正式に指定し、オフザシェルフモデルチェッカーを使用してデータセットからシナリオのすべてのインスタンスを抽出する。
  論文  参考訳（メタデータ） (2026-08-31T20:28:09Z)
• Tracing the Roots: A Multi-Agent Framework for Uncovering Data Lineage in Post-Training LLMs [81.43302841109349]
  学習後のデータは、大規模言語モデル(LLM)の機能を形成する上で重要な役割を果たす 本稿では,データセット開発における進化グラフを再構築する自動マルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-12T06:24:07Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• VistaScenario: Interaction Scenario Engineering for Vehicles with Intelligent Systems for Transport Automation [18.897103921181255]
  交通自動化のためのインテリジェントシステムを備えた車両のシナリオエンジニアリングを行うためのVistaScenarioフレームワークを提案する。 要約された車種間相互作用に基づいて、シナリオ進化ツリーを介してシナリオデータストリームをセグメントに分割する。 また,グラフツリーとダイナミック・タイム・ウォーピングに基づくシナリオ・メトリック・グラフ-DTWを提案し,シナリオ比較とラベル付けを行う。
  論文  参考訳（メタデータ） (2024-02-12T15:34:04Z)
• Graph Convolutional Networks for Complex Traffic Scenario Classification [0.7919810878571297]
  シナリオベースのテストアプローチは、自動運転システムの安全性の統計的に重要な証拠を得るのに必要な時間を短縮することができる。 シナリオ分類のほとんどの方法は、多様な環境を持つ複雑なシナリオでは機能しない。 本研究では,車両と環境との相互作用をモデル化できる複雑な交通シナリオ分類手法を提案する。
  論文  参考訳（メタデータ） (2023-10-26T20:51:24Z)
• Zero-shot Composed Text-Image Retrieval [72.43790281036584]
  合成画像検索(CIR)の問題点を考察する。 テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
  論文  参考訳（メタデータ） (2023-06-12T17:56:01Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• An Automated Analysis Framework for Trajectory Datasets [0.0]
  近年,自動走行車の安全性検証において,道路利用者の軌道データセットの重要性が高まっている。 10万以上のトラックを持ついくつかの自然主義的な軌道データセットがリリースされ、それに続くものもリリースされる。 この量のデータを考えると、これらのデータセットを奥行きで簡単に比較できる必要がある。
  論文  参考訳（メタデータ） (2022-02-12T10:55:53Z)
• Label-Free Model Evaluation with Semi-Structured Dataset Representations [78.54590197704088]
  ラベルなしモデル評価(AutoEval)は、ラベルなしテストセットでモデル精度を推定する。 画像ラベルがない場合、データセット表現に基づいて、回帰を伴うAutoEvalのモデル性能を推定する。 本稿では,AutoEvalのリッチな情報を含む回帰学習のための半構造化データセット表現を提案する。
  論文  参考訳（メタデータ） (2021-12-01T18:15:58Z)
• Novelty Detection and Analysis of Traffic Scenario Infrastructures in the Latent Space of a Vision Transformer-Based Triplet Autoencoder [12.194597074511863]
  インフラストラクチャイメージに基づいて新たなトラフィックシナリオを検出する手法を提案する。 オートエンコーダ三重項ネットワークは、外乱検出に使用されるインフラストラクチャイメージの潜在表現を提供する。 提案手法は他の最先端の異常検出手法よりも優れている。
  論文  参考訳（メタデータ） (2021-05-05T08:24:03Z)
• SceneChecker: Boosting Scenario Verification using Symmetry Abstractions [3.8995911009078816]
  SceneCheckerは、大きな散らかったワークスペースで複雑な計画を実行する車両のシナリオを検証するツールである。 SceneCheckerは、これらのツールを到達性サブルーチンとして使用しても、検証時間の20倍のスピードアップを示している。
  論文  参考訳（メタデータ） (2020-11-21T03:18:55Z)
• Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene [76.4183572058063]
  複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。 データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。 本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
  論文  参考訳（メタデータ） (2020-08-11T19:10:32Z)

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。