論文の概要: DreamTest: World-Model Surrogates for Search-Based Testing of Deep Reinforcement Learning Agents

• arxiv url: http://arxiv.org/abs/2610.04494v1
• Date: Sat, 03 Oct 2026 12:51:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 10:06:28.783701
• Title: DreamTest: World-Model Surrogates for Search-Based Testing of Deep Reinforcement Learning Agents
• Title（参考訳）: DreamTest: 深層強化学習エージェントの検索ベーステストのためのワールドモデルサロゲート
• Abstract要約: サイバー物理システムにおける深層強化学習(DRL)エージェントのテストは、デプロイ前にさまざまな障害を明らかにすることを目的としている。 DRLエージェントをテストするためのワールドモデルサロゲートであるDreamTestを紹介する。 DreamTestは、エージェントのトレーニングログからエージェントの振る舞いと環境のダイナミクスを学ぶために、リカレントな状態空間モデルを適用する。
• 参考スコア（独自算出の注目度）: 3.794926581313757
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Testing deep reinforcement learning (DRL) agents in cyber-physical systems aims to uncover diverse failures before deployment, but each execution can be expensive. Surrogate-assisted testing reduces this cost by learning to predict which test configurations are likely to fail. Prior surrogates treat the system as a black box and predict pass or fail outcomes directly; we instead model how a test unfolds and estimate failure from an imagined episode. We introduce DreamTest, a world-model surrogate for testing DRL agents. DreamTest adapts a recurrent state-space model to learn agent behaviour and environment dynamics from the agent's training log. Given a candidate configuration, imagined rollouts produce a failure score that guides search without executing every candidate in a simulator or real system. We evaluate DreamTest for failure prediction, test generation, and failure diversity on Parking, Humanoid, and DonkeyCar. Mean area under the precision-recall curve (AUPRC) exceeds the strongest baseline by 97%, 12%, and 39%, respectively, and gains on five out-of-distribution test sets reach 145%, 29%, and 44%. Under the same simulator-validation budget, the best "DreamTest + search" combinations find 29%, 22%, and 79% more novel failures on average. Across clusterings with k = 2-40, failures generated with DreamTest cover the most behavioural clusters for almost all k, indicating that DreamTest consistently discovers behaviourally diverse failures.
• Abstract（参考訳）: サイバー物理システムにおける深層強化学習(DRL)エージェントのテストは、デプロイ前にさまざまな障害を明らかにすることを目的としている。 サロゲート支援テストは、どのテスト構成が失敗する可能性を予測することを学ぶことで、このコストを削減する。 事前サロゲートは、システムをブラックボックスとして扱い、パスや失敗の結果を直接予測します。 DRLエージェントをテストするためのワールドモデルサロゲートであるDreamTestを紹介する。 DreamTestは、エージェントのトレーニングログからエージェントの振る舞いと環境のダイナミクスを学ぶために、リカレントな状態空間モデルを適用する。 候補設定が与えられた場合、想定されたロールアウトは、シミュレータや実際のシステムですべての候補を実行することなく、検索をガイドする障害スコアを生成する。 本研究では,Parking,Humanoid,DonkeyCarにおける障害予測,テスト生成,障害多様性についてDreamTestを評価した。 高精度リコール曲線 (AUPRC) における平均面積は, それぞれ97%, 12%, 39%, 5つのアウト・オブ・ディストリビューション・テストセットでは145%, 29%, 44%と最強となる。 同じシミュレータ検証予算の下では、最高の"DreamTest + search"の組み合わせで、平均して29%、22%、そして79%の新規障害が見つかる。 k = 2-40のクラスタリング全体において、DreamTestで生成された障害は、ほとんどすべてのkで最も行動的なクラスタをカバーする。

関連論文リスト

• ExecCritic: Learn to Test, Test to Improve for Coding Agents [68.42713285082912]
  実行時のフィードバックは、コーディングエージェントを正しいリポジトリの修復に導くことができますが、テストが問題によって要求された振る舞いをキャプチャした場合のみです。 ExecCriticを導入し、テスト-検証-修正足場と、その中のトレーニングエージェントのためのロール固有の強化学習レシピを組み合わせる。 テストエージェントが独立してリポジトリネイティブなテストを生成し、フェイルクローズされたハーネスがそれらを調整して凍結し、リカバリエージェントがテストを変更することなく、ソースコードを実行フィードバックから修正する。
  論文  参考訳（メタデータ） (2026-09-08T17:53:37Z)
• Can We Classify Flaky Tests Using Only Test Code? An LLM-Based Empirical Study [40.93176986225226]
  不安定なテストは、同じコード修正で繰り返し実行されるとき、一貫性のない結果をもたらす。 以前の研究は、テストコードの識別子に基づいて不安定なテストを分類するために、機械学習モデルを訓練するアプローチを評価した。
  論文  参考訳（メタデータ） (2026-02-05T09:15:09Z)
• Misbehavior Forecasting for Focused Autonomous Driving Systems Testing [2.7733556309376692]
  既存のバグフィニング技術は信頼性が低いか高価なかのどちらかだ。 本稿では,誤動作予測器を用いて近距離ミスを識別する手法であるForeseeを提案する。 フォアシーは、これまで未知の障害に遭遇した候補者の近辺で、局所的なファジッシングを行う。
  論文  参考訳（メタデータ） (2025-12-21T17:17:49Z)
• Reduction of Test Re-runs by Prioritizing Potential Order Dependent Flaky Tests [0.5798758080057375]
  不安定なテストは、予測不可能な振る舞いのため、自動化されたソフトウェアテストの信頼性を損なう可能性がある。 フラキーテストの一般的なタイプは、順序依存(OD)テストである。 本稿では,潜在的なODテストの優先順位付け手法を提案する。
  論文  参考訳（メタデータ） (2025-10-30T06:17:30Z)
• Systemic Flakiness: An Empirical Analysis of Co-Occurring Flaky Test Failures [6.824747267214373]
  不安定なテストは、コードの変更なしに一貫性のない結果をもたらす。 開発者は、毎月2250ドル(約2万5000円)の費用で、不気味なテストの修理に1.28%を費やしている。 フラキーテストは、しばしばクラスタ内に存在し、同じ根本原因を共有する共起失敗は、系統的なフレキネス(systemic flakiness)と呼ばれる。
  論文  参考訳（メタデータ） (2025-04-23T14:51:23Z)
• Test Generation Strategies for Building Failure Models and Explaining Spurious Failures [4.995172162560306]
  テスト入力は、テスト対象のシステムが故障している場合だけでなく、入力が無効または非現実的である場合も失敗する。 テストインプットに対して解釈可能なルールを推論し,重大な障害を引き起こす障害モデルを構築することを提案する。 提案手法は, 平均精度83%の故障モデルを生成する。
  論文  参考訳（メタデータ） (2023-12-09T18:36:15Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video Games Using Risk Based Testing and Machine Learning [62.997667081978825]
  従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。 自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。 この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
  論文  参考訳（メタデータ） (2022-03-10T00:47:46Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。