論文の概要: CANcept: Model-based CAN Traffic Generation and Manipulation

• arxiv url: http://arxiv.org/abs/2609.26263v1
• Date: Mon, 24 Aug 2026 13:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.948823
• Title: CANcept: Model-based CAN Traffic Generation and Manipulation
• Title（参考訳）: CANcept:モデルに基づくCANトラフィック生成と操作
• Abstract要約: コントローラエリアネットワーク(CAN)ベースのソフトウェアでは、送信されたデータと通信タイミングを正確に制御する必要がある。 本稿では,CANトラフィックの特定,生成,再生,操作を行うオープンソースツールである ToolName を紹介する。
• 参考スコア（独自算出の注目度）: 2.609197761489464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Testing timing-related safety properties of Controller Area Network (CAN)-based software requires precise control over transmitted data and communication timing. Existing open-source tools typically encode such scenarios in low-level scripts, making them difficult to maintain and evolve. We present \toolName{}, an open-source model-based tool for specifying, generating, replaying, and manipulating CAN traffic. A traffic schedule model (TSM) defines message timing and content transformations, and a DBC-based communication model (DCM) defines encoding and decoding between message-level traffic and CAN frames. \toolName{} combines both models in one execution mechanism for generated and manipulated traffic, including replay of transformed traces. A preliminary evaluation indicates that \toolName{} realizes the specified scenarios, with low timing deviation and stable execution under elevated traffic rates.
• Abstract（参考訳）: コントローラエリアネットワーク(CAN)ベースのソフトウェアでは、送信されたデータと通信タイミングを正確に制御する必要がある。 既存のオープンソースツールは通常、そのようなシナリオを低レベルのスクリプトでエンコードするので、メンテナンスや進化が難しい。 本稿では,CANトラフィックの特定,生成,再生,操作を行うオープンソースモデルベースのツールである \toolName{} を紹介する。 トラフィックスケジュールモデル(TSM)は、メッセージタイミングとコンテンツ変換を定義し、DBCベースの通信モデル(DCM)は、メッセージレベルのトラフィックとCANフレームの間の符号化と復号を定義する。 \toolName{}は、変換されたトレースの再生を含む、生成されたトラフィックと操作されたトラフィックに対して、両方のモデルをひとつの実行メカニズムに結合する。 予備評価では,高トラフィック率下での低タイミング偏差と安定した実行により, \toolName{} が指定されたシナリオを実現することを示す。

関連論文リスト

• Diffusion Language Models for Mobile Edge Agentic AI: Foundations, Applications, and Challenges [58.887152635127165]
  拡散言語モデル(DLM)は、モバイルエッジエージェント人工知能(AI)の非自己回帰的な代替手段を提供する DLMは複数の不確実なトークンを並列に更新し、生成プロセスを通して双方向のコンテキストを利用することができる。 この調査は、DLMの基礎をレビューし、レイテンシ、メモリ、エネルギ、帯域幅、プライバシ、信頼性制約の下でのエッジ設定に対する適合性を分析します。
  論文  参考訳（メタデータ） (2026-09-04T06:16:49Z)
• ECoSim: Data Efficient Fine-Tuning for Controllable Traffic Simulation [48.30643653308979]
  制御可能な交通シミュレーションは自律走行システムのテストに不可欠である。 既存のアプローチでは、広範囲な注釈付きデータで大きな生成モデルを再訓練する必要があることが多い。 マルチモーダル制御を可能にする軽量な制御適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-01T07:35:29Z)
• Intent2QoS: Language Model-Driven Automation of Traffic Shaping Configurations [6.027356970659455]
  トラフィックの整形とQoS(Quality of Service)の実施は、ネットワークの帯域幅、レイテンシ、公平性を管理する上で重要である。 本稿では,自然あるいは宣言型言語における高レベルなトラフィックシェーピング意図を,有効かつ正確なトラフィック制御ルールに変換する自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-26T21:18:14Z)
• Chat2SPaT: A Large Language Model Based Tool for Automating Traffic Signal Control Plan Management [3.452954870246681]
  本研究では,Chat2SPaTを提案する。Chat2SPaTは,ユーザの信号制御計画に関する半構造化および曖昧な記述を,正確な信号位相とタイミングに変換する手法である。 プロンプトにより、Chat2SPaTはユーザーの計画記述を理解するための大きな言語モデル(LLM)の機能を利用する。 pythonスクリプトは、サイクル内のフェーズを特定し、トラフィック信号制御のニュアンスに対処し、最終的に完全なトラフィック信号制御計画を組み立てるように設計されている。
  論文  参考訳（メタデータ） (2025-07-04T11:10:24Z)
• LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
  LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。 自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。 LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-04-15T17:14:06Z)
• Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
  自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。 車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。 我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
  論文  参考訳（メタデータ） (2023-12-07T18:53:27Z)
• Guided Conditional Diffusion for Controllable Traffic Simulation [42.198185904248994]
  制御可能で現実的な交通シミュレーションは、自動運転車の開発と検証に不可欠である。 データ駆動アプローチは現実的で人間的な振る舞いを生成し、シミュレートされたトラフィックから現実のトラフィックへの移行を改善する。 本研究では,制御可能なトラヒック生成(CTG)のための条件拡散モデルを構築し,テスト時に所望のトラジェクトリ特性を制御できるようにする。
  論文  参考訳（メタデータ） (2022-10-31T14:44:59Z)
• A non-sequential hierarchy of message-passing models [0.0]
  本稿では,大規模モデルと局所モデルの両方を含む通信モデルの統一階層について述べる。 私たちが考慮しているすべての通信モデルは、モナディック二階述語論理において公理化することができる。
  論文  参考訳（メタデータ） (2022-10-24T09:31:25Z)
• Towards Semantic Communication Protocols: A Probabilistic Logic Perspective [69.68769942563812]
  我々は,NPMを確率論理型言語ProbLogで記述された解釈可能なシンボルグラフに変換することによって構築された意味プロトコルモデル(SPM)を提案する。 その解釈性とメモリ効率を利用して、衝突回避のためのSPM再構成などのいくつかの応用を実演する。
  論文  参考訳（メタデータ） (2022-07-08T14:19:36Z)

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。