論文の概要: Open-Source Autonomous Driving System Analysis and Multi-Disciplinary Hardware-in-the-Loop Research Paradigm with Reinforcement-Learning Testing and Large Language Models
- arxiv url: http://arxiv.org/abs/2608.30179v1
- Date: Mon, 31 Aug 2026 02:58:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.204744
- Title: Open-Source Autonomous Driving System Analysis and Multi-Disciplinary Hardware-in-the-Loop Research Paradigm with Reinforcement-Learning Testing and Large Language Models
- Title（参考訳）: 強化学習テストと大規模言語モデルを用いたオープンソース自律運転システム分析とマルチディシプリナ・ハードウェア・イン・ザ・ループ研究パラダイム
- Abstract要約: オープンソースの自動運転システムは、インテリジェントな自動車研究のための検査可能なソフトウェア基盤を提供する。
本稿では,Apollo-on-Hongqi EV環境について検討し,実車実験フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 31.314035915965288
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-source autonomous driving systems provide an inspectable software foundation for intelligent vehicle research. Under real-vehicle deployment conditions, the recording and review of experimental conditions are important for interpreting system behavior and reusing experimental results. However, in a shared real-vehicle environment involving multiple vehicles, task processes, code modifications, and hardware testing feedback are often distributed across different teams and experimental stages, making it challenging to maintain continuous and reviewable experimental records. To address this limitation, this paper examines an Apollo-on-Hongqi EV environment and proposes a real-vehicle experimental framework. The framework connects multi-vehicle experiments, repository-based code reuse and software-hardware testing feedback within a unified review process. Large language models and RL-based testing serve as auxiliary components for record organization, anomaly summarization, and simulation-based candidate scenario generation. Based on this setting, this paper analyzes preliminary evidence from multi-vehicle collaborative experimentation, code and experimental-skill sharing, and software-hardware collaborative testing. The analysis shows that experimental records can be examined together with their operating conditions, providing a reviewable basis for Apollo-on-Hongqi EV research.
- Abstract（参考訳）: オープンソースの自動運転システムは、インテリジェントな自動車研究のための検査可能なソフトウェア基盤を提供する。
実車配置条件下では, システム動作の解釈や実験結果の再利用に, 実験条件の記録とレビューが重要である。
しかし、複数の車両、タスクプロセス、コード修正、ハードウェアテストのフィードバックを含む共有リアルタイム環境では、しばしば異なるチームや実験段階に分散しているため、継続的かつレビュー可能な実験記録を維持することは困難である。
この制限に対処するため,Apollo-on-Hongqi EV環境を調査し,実車実験フレームワークを提案する。
このフレームワークは、統合されたレビュープロセス内で、複数車両の実験、リポジトリベースのコード再利用、およびソフトウェアハードウェアテストのフィードバックを結合する。
大規模言語モデルとRLベースのテストは、レコード組織、異常要約、シミュレーションベースの候補シナリオ生成の補助的なコンポーネントとして機能する。
本研究は,複数車両の協調実験,コードと実験スキルの共有,ソフトウェアとハードウェアの協調テストの予備的証拠を分析した。
解析の結果,実験記録と運転条件が一致し,アポロ・オン・ホンチのEV研究のレビュー可能な基礎となることが明らかとなった。
関連論文リスト
- Claw AI Lab: An Autonomous Multi-Agent Research Team [73.07229229907435]
今回紹介するClaw AI Labは,ラボネイティブな自律型研究プラットフォームである。
1つのエージェントや固定されたシリアルワークフローを中心にシステムを集中するのではなく、ユーザーは1つのプロンプトから完全な研究チームをインスタンス化できる。
Claw-Code Harnessはローカル、データセット、チェックポイントを接続して実行可能な実験を行い、実行成果物を研究ループにフィードバックする。
論文 参考訳（メタデータ） (2026-05-21T16:02:53Z) - From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving [12.14436913195805]
本研究は,集中型E/Eアーキテクチャ上での自動車ソフトウェアテストフレームワークを提案する。
このフレームワークは、ダイナモメーターテストベンチに物理テスト車両を、シミュレーション環境で同期仮想車両と結合する。
論文 参考訳（メタデータ） (2026-03-05T15:23:28Z) - MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。
フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。
生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
論文 参考訳（メタデータ） (2025-08-04T03:07:54Z) - MOOSE-Chem3: Toward Experiment-Guided Hypothesis Ranking via Simulated Experimental Feedback [136.27567671480156]
先行テストからのフィードバックに基づいて仮説を優先順位付けする実験誘導ランキングを導入する。
我々は、シーケンシャルな意思決定問題として実験誘導型ランキングを定めている。
我々のアプローチは、実験前のベースラインと強い改善を著しく上回る。
論文 参考訳（メタデータ） (2025-05-23T13:24:50Z) - DriveTester: A Unified Platform for Simulation-Based Autonomous Driving Testing [24.222344794923558]
DriveTesterはApollo上に構築されたシミュレーションベースの統合テストプラットフォームである。
一貫性があり信頼性の高い環境を提供し、軽量な交通シミュレータを統合し、様々な最先端のADSテスト技術を取り入れている。
論文 参考訳（メタデータ） (2024-12-17T08:24:05Z) - Automatic benchmarking of large multimodal models via iterative experiment programming [71.78089106671581]
本稿では,LMMの自動ベンチマークのための最初のフレームワークであるAPExを紹介する。
自然言語で表現された研究の質問に対して、APExは大きな言語モデル(LLM)と事前定義されたツールのライブラリを活用して、手元にあるモデルの一連の実験を生成する。
調査の現在の状況に基づいて、APExはどの実験を行うか、結果が結論を引き出すのに十分かどうかを選択する。
論文 参考訳（メタデータ） (2024-06-18T06:43:46Z) - Correlation of Software-in-the-Loop Simulation with Physical Testing for Autonomous Driving [0.0]
本稿では,社内で開発されたSILシミュレーションツールチェーンの検証事例について述べる。
テストトラックをSILシミュレーションと整合させるため,同期手法を提案する。
提案手法の有効性を示すための予備的な結果を示す。
論文 参考訳（メタデータ） (2024-06-05T08:11:10Z) - Two is Better Than One: Digital Siblings to Improve Autonomous Driving Testing [10.518360486008964]
複数の汎用シミュレータ上で、与えられた自動運転車をテストするマルチシミュレータアプローチであるデジタルシミュレータの概念を導入する。
我々は、このようなマルチシミュレーターアプローチを、大規模なテストケースにおいて、物理的にスケールした自動運転車のデジタル双対に対して実証的に比較する。
実験により,デジタル双子の故障予測において,デジタル兄弟によるアンサンブル故障予測器が個々のシミュレータよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-05-14T04:10:56Z) - Formal Scenario-Based Testing of Autonomous Vehicles: From Simulation to
the Real World [8.498542964344987]
自動運転車の安全性のシナリオベース自動テストに対する新しいアプローチを提案する。
提案手法は,シナリオの形式的仕様と安全性特性を組み合わせた形式的手法に基づいている。
論文 参考訳（メタデータ） (2020-03-17T14:17:52Z)
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。