論文の概要: ARIA - An Agentic Framework for Autonomous Testing of Infotainment Systems
- arxiv url: http://arxiv.org/abs/2609.04913v1
- Date: Fri, 04 Sep 2026 09:18:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.993088
- Title: ARIA - An Agentic Framework for Autonomous Testing of Infotainment Systems
- Title（参考訳）: ARIA - インフォテインメントシステムの自動テストのためのエージェントフレームワーク
- Abstract要約: ARIA(Autonomous Real-time Infotainment Assessment)は,視覚的インタラクションを通じてAndroidインフォテインメントシステム上で,エンドツーエンドのテストを自律的に実行するマルチエージェントLLMフレームワークである。
ARIAは、30のシナリオにわたるメーカーのAndroidインフォテインメントシステムで評価され、28(93.3%)の判定(2つのエラー)が完了した。
8つの偽陽性は、ナビゲーション/イメージ制限とサポート対象のジェスチャーに由来する。
- 参考スコア（独自算出の注目度）: 0.5352699766206807
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automotive infotainment validation still relies on manual testing, slow, costly, and incompatible with agile releases and OTA updates. Scripted automation only partly helps: it couples test logic to implementation, yielding brittle, high-maintenance suites. Existing LLM-driven frameworks mostly target web/mobile apps, using single- or dual-agent setups that overload one or two models with perception, planning, action selection, and validation at once, prone to hallucinations and unproductive exploration loops given infotainment complexity. We present ARIA (Autonomous Real-time Infotainment Assessment), a multi-agent LLM framework that autonomously runs end-to-end tests on Android infotainment systems via visual interaction, using a closed-loop pipeline of four specialized agents per step plus a report stage. From single-sentence scenarios (path, action, expected outcome), ARIA runs the interactions and produces reports, reproducible scripts, and visual evidence per step. Evaluated on a manufacturer's physical Android infotainment system across 30 scenarios, ARIA completed 28 (93.3%) with a verdict (2 errored), 20 of which (71.4%) matched ground truth. It caught all 5 known defects, no fault passed as working; its 8 false positives stem from navigation/image limits and unsupported gestures, showing multi-agent LLMs can run infotainment tests industrially while exposing the cost of a low false-positive tolerance. A single-agent baseline confirms the multi-agent design's value: on the first pass, before stronger-model revisitation narrows the gap, it shows a far higher false-positive rate (72.0% vs. 52.6%), conflating navigational difficulty with system failure. We report first-pass/post-revisitation results, token/call/cost per scenario, and show via repeated runs that stability tracks complexity, with fault detection perfectly consistent, pointing to CI integration of visual testing.
- Abstract（参考訳）: 自動車インフォテインメント検証は依然として手動テストに依存しており、遅い、コストがかかる、アジャイルリリースやOTAアップデートと互換性がない。
スクリプト自動化は、部分的にはテストロジックを実装に結合し、不安定で高保守のスイートを生成する。
既存のLLM駆動のフレームワークは、主にWeb/モバイルアプリケーションをターゲットにしており、知覚、計画、アクション選択、バリデーションを1つまたは2つのモデルにオーバーロードする単一またはデュアルエージェントのセットアップを使用して、インフォテインメントの複雑さによって幻覚や非生産的な探索ループが発生する。
ARIA(Autonomous Real-time Infotainment Assessment)は,Androidインフォテインメントシステムのエンドツーエンドテストを視覚的インタラクションを通じて自律的に実行するマルチエージェントLLMフレームワークである。
単一文シナリオ(パス、アクション、期待される結果)から、ARIAはインタラクションを実行し、レポート、再現可能なスクリプト、ステップ毎に視覚的なエビデンスを生成する。
30のシナリオにわたるメーカーのAndroidインフォテインメントシステムで評価され、ARIAは28(93.3%)の判定(エラー2件)を完了し、うち20(71.4%)は真実に一致した。
8つの偽陽性はナビゲーション/イメージ制限とサポートされないジェスチャーに由来するもので、マルチエージェントのLSMがインフォテインメントテストを産業的に実行でき、偽陽性耐性の低いコストを露呈することを示している。
単一エージェントのベースラインはマルチエージェント設計の価値を確認する:最初のパスでは、より強いモデルの再検討がギャップを狭める前に、より高い偽陽性率(72.0%対52.6%)を示し、システム障害によるナビゲーション上の困難を和らげる。
シナリオ毎にファーストパス/ポストリビジョンの結果、トークン/コール/コストを報告し、安定性が複雑性をトラックし、障害検出は完全に一貫性があり、視覚テストのCI統合を指し示していることを繰り返し示す。
関連論文リスト
- DragonCrawl: A Generative, Intent-Based Framework for Scalable Mobile End-to-End Testing [3.0812793454543375]
DragonCrawlは、継続的回帰テストのためのAI駆動のモバイルテストシステムである。
コードの変更毎に特定のユーザフローを検証し、重要な機能を壊すコミットをブロックする。
iOSで91.6%、Androidで92.2%、CI/CDパイプラインで継続的に実行される1013の自動化テストで91.6%のパスレートを達成した。
論文 参考訳（メタデータ） (2026-07-30T18:17:31Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Runtime Execution Traces Guided Automated Program Repair with Multi-Agent Debate [8.424102114588559]
自動プログラム修復(APR)は複雑なロジックエラーとサイレント障害に悩まされる。
現在のLLMベースのAPRメソッドは主に静的であり、ソースコードと基本的なテスト出力に依存している。
我々は、パッチ検証のための共有制約としてランタイム事実を活用するマルチエージェントフレームワークであるTraceRepairを提案する。
論文 参考訳（メタデータ） (2026-04-03T02:23:25Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - 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) - Do Multi-Agents Dream of Electric Screens? Achieving Perfect Accuracy on AndroidWorld Through Task Decomposition [6.32553258914475]
Minitapは、AndroidWorldベンチマークで100%成功したマルチエージェントシステムである。
まず、単一エージェントアーキテクチャが失敗する理由を分析します。
オープンソースソフトウェアとしてMinitapをリリースします。
論文 参考訳（メタデータ） (2026-02-08T03:02:13Z) - DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
DoVerは、大規模言語モデル(LLM)ベースのマルチエージェントシステムのための介入駆動デバッグフレームワークである。
ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。
DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
論文 参考訳（メタデータ） (2025-12-07T09:23:48Z) - Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models [53.20969621498248]
本稿では,多種多様な計画および実行障害を生成するために,軌道を手続き的に乱す自動ロボット故障合成手法を提案する。
RLBench-Fail, BridgeDataV2-Fail, UR5-Failの3つの新しい故障検出ベンチマークを構築した。
次に、詳細な障害推論と検出のためのマルチビューイメージを備えたVLMであるGuardianをトレーニングします。
論文 参考訳（メタデータ） (2025-12-01T17:57:27Z) - 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) - Perception Test: A Diagnostic Benchmark for Multimodal Video Models [78.64546291816117]
本稿では,事前学習したマルチモーダルモデルの知覚と推論能力を評価するために,新しいマルチモーダルビデオベンチマークを提案する。
知覚テストは、スキル(記憶、抽象化、物理学、セマンティックス)と、ビデオ、オーディオ、テキストモダリティ間の推論(記述的、説明的、予測的、反ファクト的)のタイプに焦点を当てている。
このベンチマークは、ゼロショット/少数ショットまたは限定的な微調整方式で、転送機能の事前訓練されたモデルを探索する。
論文 参考訳（メタデータ） (2023-05-23T07:54:37Z) - TARGET: Automated Scenario Generation from Traffic Rules for Testing Autonomous Vehicles via Validated LLM-Guided Knowledge Extraction [8.029974249105443]
TARGETは、トラフィックルールからテストシナリオを自動的に生成するエンドツーエンドフレームワークである。
交通ルールから知識を抽出するために,Large Language Model (LLM) を利用する。
TARGETはシナリオをシミュレーションでレンダリングするために実行可能なスクリプトを合成する。
論文 参考訳（メタデータ） (2023-05-10T10:04:08Z)
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。