論文の概要: Scenario-Based Compositional Statistical Model Checking for Safety Specifications

• arxiv url: http://arxiv.org/abs/2610.05571v1
• Date: Sun, 04 Oct 2026 22:13:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-07 05:12:16.806821
• Title: Scenario-Based Compositional Statistical Model Checking for Safety Specifications
• Title（参考訳）: シナリオベース構成統計モデルによる安全仕様の検証
• Abstract要約: 本研究は,安全・共同安全仕様のためのシナリオベースの構成SMCフレームワークを紹介する。 提案手法では,シナリオをプリミティブと仕様に分解し,各プリミティブを独立に検証し,その結果の統計的推定値を構成する。
• 参考スコア（独自算出の注目度）: 4.319948226669653
• License:
• Abstract: In safety-critical domains such as autonomous driving, systems must be evaluated across a large number of environment conditions, often represented as composite scenarios built from primitive scenarios. Existing statistical model checking (SMC) approaches analyze each composite scenario independently, requiring many expensive simulations and resulting in substantial redundant computation when scenarios share common structure. This work introduces a scenario-based compositional SMC framework for safety and co-safety specifications, enabling efficient analysis of composite scenarios. Our approach decomposes scenarios into primitives and specifications into sub-specifications, verifies each primitive independently, and composes the resulting statistical estimates using importance sampling and kernel density estimation. Our empirical evaluation shows that the proposed framework can accurately answer verification queries for previously unseen composite scenarios while reducing simulation cost through parallelization and trace reuse.
• Abstract（参考訳）: 自律運転のような安全クリティカルな領域では、システムは多数の環境条件で評価され、しばしば原始シナリオから構築された複合シナリオとして表される。 既存の統計モデル検査(SMC)アプローチは、各合成シナリオを独立して解析し、多くの高価なシミュレーションを必要とし、シナリオが共通の構造を共有する場合、かなりの冗長な計算をもたらす。 本研究は,安全・共同安全仕様のためのシナリオベース構成SMCフレームワークを導入し,複合シナリオの効率的な分析を可能にする。 提案手法では, シナリオをプリミティブと仕様に分割し, プリミティブを独立に検証し, 重要サンプリングとカーネル密度推定を用いて統計的推定結果を構成する。 実験により,提案フレームワークは並列化とトレース再利用によるシミュレーションコストの低減を図り,未確認の複合シナリオに対する検証クエリを精度よく解答できることを示した。

関連論文リスト

• A Bayesian Framework for Evaluating Scenario Compatibility in Generative Population Synthesis [6.719751155411076]
  本研究では,条件付き集団合成におけるシナリオ互換性を定量化するためのアンサンブルに基づくベイズ更新フレームワークを提案する。 人口適応型条件付き変分オートエンコーダを開発した。 実験により、シナリオの影響は目標の大きさだけでなく、学習された関節構造との整合にも依存することが示された。
  論文  参考訳（メタデータ） (2026-07-03T10:50:44Z)
• Practical validation of synthetic pre-crash scenarios [5.031637169030579]
  ギャップは、現実のシナリオと合成前のシナリオの実用的等価性の堅牢な評価に残っている。 実用的等価性を確立するのではなく、違いを検出することに焦点を当てているため、従来の重要度試験は不十分である。 本研究は、適切な統計量と等価基準を定義するためのビンニングに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2026-05-06T07:08:06Z)
• Multiple-Prediction-Powered Inference [57.30769275944024]
  この研究は、MultiPPI推定器のミニマックス最適性、有限サンプル性能、正規性に関する理論的保証を提供する。 我々は,MultiPPIが既存のベースラインよりも低い推定誤差を実現することを示す。
  論文  参考訳（メタデータ） (2026-03-28T21:24:00Z)
• On the Need for a Statistical Foundation in Scenario-Based Testing of Autonomous Vehicles [4.342427756164555]
  本稿では、これらの課題に対処し、厳密な安全保証を実現するために、厳密な統計基盤が不可欠であると主張している。 AVテストと確立されたソフトウェアテスト手法の並列性によって、共有研究ギャップと再利用可能なソリューションを特定します。 分析の結果,シナリオベースでもマイルベースのテストでも,どちらよりも優れていないことが明らかとなった。
  論文  参考訳（メタデータ） (2025-05-04T22:06:23Z)
• Scenario-Wise Rec: A Multi-Scenario Recommendation Benchmark [65.13288661320364]
  6つの公開データセットと12のベンチマークモデルと、トレーニングと評価パイプラインで構成されるベンチマークである textbfScenario-Wise Rec を紹介します。 このベンチマークは、研究者に先行研究から貴重な洞察を提供することを目的としており、新しいモデルの開発を可能にしている。
  論文  参考訳（メタデータ） (2024-12-23T08:15:34Z)
• GraphSCENE: On-Demand Critical Scenario Generation for Autonomous Vehicles in Simulation [11.896059467313668]
  本研究では,多様なトラフィックシナリオに対応する動的時間的シーングラフをオンデマンドで生成し,ユーザ定義の好みに合わせて作成する手法を提案する。 時間的グラフニューラルネットワーク(GNN)モデルは、実世界の相互作用パターンによって導かれる、エゴ・車両エージェントと静的構造の関係を予測することを学習する。 予測されたシナリオをシミュレーションでレンダリングし、AVエージェントのテスト環境としての有効性をさらに実証する。
  論文  参考訳（メタデータ） (2024-10-17T13:02:06Z)
• Tree-Based Scenario Classification: A Formal Framework for Coverage Analysis on Test Drives of Autonomous Vehicles [0.0]
  シナリオベースのテストでは、関連する(運転)シナリオがテストの基礎になります。 シナリオの集合を分類し、記録されたテストドライブにおけるこれらのシナリオのカバレッジを測定するというオープンな課題に対処する。
  論文  参考訳（メタデータ） (2023-07-11T08:30:57Z)
• UMSE: Unified Multi-scenario Summarization Evaluation [52.60867881867428]
  要約品質評価は、テキスト要約における非自明なタスクである。 統一多シナリオ要約評価モデル(UMSE)を提案する。 UMSEは3つの評価シナリオで使用できる能力に係わる最初の統合要約評価フレームワークである。
  論文  参考訳（メタデータ） (2023-05-26T12:54:44Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)

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。