論文の概要: LAST-V2X: Language-Driven Adaptive Scenario Synthesis and Testing for Communication-Induced Failures in V2X Safety Applications
- arxiv url: http://arxiv.org/abs/2610.30979v1
- Date: Thu, 22 Oct 2026 09:24:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.302005
- Title: LAST-V2X: Language-Driven Adaptive Scenario Synthesis and Testing for Communication-Induced Failures in V2X Safety Applications
- Title（参考訳）: LAST-V2X:V2X安全アプリケーションにおける言語駆動型適応シナリオ合成と通信障害の検査
- Abstract要約: LAST-V2Xは、V2Xアプリケーションの自動シナリオ合成と安全性テストのための言語駆動適応フレームワークである。
物理的交通シミュレーションと空間的に認識された通信モデリングとメッセージレベルの障害注入を統合し、情報劣化が車両の判断にどのように影響するかを評価する。
さまざまなCARLA環境とV2Xセーフティアプリケーションの実験は、信頼性のあるシナリオを生成するフレームワークの能力を実証している。
- 参考スコア（独自算出の注目度）: 13.396277274145477
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vehicle-to-everything (V2X) communication enables connected vehicles to make safety-critical decisions, but delayed, missing, or incorrect information can compromise driving safety. Systematically testing such failures is challenging because traffic interactions, communication conditions, and application responses must be jointly configured to produce meaningful scenarios. This paper presents LAST-V2X, a language-driven, adaptive framework for automated scenario synthesis and safety testing of V2X applications. LAST-V2X leverages large language models (LLMs) to translate natural-language test descriptions into executable scenarios grounded in roadway geometry, V2X communication semantics, and vehicle behavior. The framework integrates physical traffic simulation with spatially aware communication modeling and message-level fault injection to evaluate how information degradation affects vehicle decisions. To establish whether an observed safety failure is caused by communication rather than the underlying traffic conditions, LAST-V2X employs matched executions under degraded and ground-truth information. Furthermore, an execution-guided refinement mechanism combines parameter search and LLM self-reflection to identify ineffective test configurations, improve scenario effectiveness, and produce minimal reproducible failure cases. Experiments across diverse CARLA environments and V2X safety applications demonstrate the framework's ability to generate reliable scenarios, distinguish communication-induced failures from unrelated safety violations, and substantially improve failure discovery through adaptive refinement. These results establish LAST-V2X as a systematic approach to language-driven, causally verified, and adaptive safety testing for connected vehicle systems.
- Abstract（参考訳）: 車両間通信(V2X)により、接続された車両は安全上の決定を下すことができるが、遅延、欠落、誤った情報が運転安全を損なう可能性がある。
このような障害をシステム的にテストすることは、トラフィックの相互作用、通信条件、アプリケーション応答が意味のあるシナリオを生成するために共同で設定されなければならないため、難しい。
本稿では,V2Xアプリケーションの自動シナリオ合成と安全性テストのための言語駆動適応フレームワークであるLAST-V2Xを提案する。
LAST-V2Xは、大規模言語モデル(LLM)を活用して、自然言語によるテスト記述を、道路幾何学、V2X通信セマンティクス、車両動作に基づく実行可能なシナリオに変換する。
このフレームワークは、物理的交通シミュレーションと空間的に認識された通信モデリングとメッセージレベルの障害注入を統合し、情報劣化が車両決定にどのように影響するかを評価する。
LAST-V2Xは、下層の交通条件よりも通信によって観測された安全障害が引き起こされるかどうかを確認するため、劣化情報および地道情報の下で一致した実行を採用する。
さらに、パラメータ探索とLLM自己回帰を組み合わせた実行誘導改善機構により、非効率なテスト構成を特定し、シナリオの有効性を改善し、再現可能な最小限の障害ケースを生成する。
多様なCARLA環境とV2Xセーフティアプリケーションは、信頼性の高いシナリオを生成し、通信による障害と無関係な安全違反を区別し、適応的な改善を通じて障害発見を大幅に改善するフレームワークの能力を実証している。
これらの結果は、LAST-V2Xを言語駆動、因果検証、適応安全テストの体系的なアプローチとして確立している。
関連論文リスト
- VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。
CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
論文 参考訳（メタデータ） (2026-09-02T11:32:52Z) - An Inline Control Architecture for Language Models in Intelligent Transportation Systems [0.9059656093018312]
本稿では,リアルタイム制約下でV2XサービスをセキュアにするためのインラインセマンティックガードレールアーキテクチャであるGuarded-V2Xを提案する。
提案システムは,ルールベースの入力フィルタリング,軽量な安全分類器,ポリシー制約付き構造化生成を統合する。
RSUアドバイザリ、オペレーターメッセージ、注釈付きV2Xメッセージ要約から導かれたV2X対応のシミュレーションデータセットで実験を行った。
論文 参考訳（メタデータ） (2026-08-04T15:04:15Z) - Learning Responsibility-Attributed Adversarial Scenarios for Testing Autonomous Vehicles [14.04593970867671]
CARS(Context-Aware, Responsibility-attributed Scenario generation)は、責任帰属を直接敵シナリオ生成に統合するフレームワークである。
CARSは、規則に規定された注意深い有能なドライバーモデルの下で、高い帰属率を持つ実行可能な衝突シナリオを一貫して発見する。
論文 参考訳（メタデータ） (2026-05-13T16:33:07Z) - SG-CADVLM: A Context-Aware Decoding Powered Vision Language Model for Safety-Critical Scenario Generation [8.490714399662453]
本稿では、コンテキスト認識デコーディングとマルチモーダルな入力処理を統合し、安全クリティカルなシナリオを生成するフレームワークであるSG-CADVLMを提案する。
このフレームワークは、道路形状と車両軌道の同時生成を可能にしながら、VLM幻覚の問題を緩和する。
論文 参考訳（メタデータ） (2026-01-26T12:53:12Z) - UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。
CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。
多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
論文 参考訳（メタデータ） (2025-10-14T21:09:09Z) - SafeAgent: Safeguarding LLM Agents via an Automated Risk Simulator [77.86600052899156]
LLM(Large Language Model)ベースのエージェントは、現実のアプリケーションにますますデプロイされる。
完全自動合成データ生成によるエージェント安全性を体系的に向上する最初のフレームワークであるAutoSafeを提案する。
AutoSafeは安全性のスコアを平均で45%向上させ、現実世界のタスクでは28.91%の改善を実現している。
論文 参考訳（メタデータ） (2025-05-23T10:56:06Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - V2X-Lead: LiDAR-based End-to-End Autonomous Driving with
Vehicle-to-Everything Communication Integration [4.166623313248682]
本稿では,V2X(Vine-to-Everything)通信を統合したLiDARを用いたエンドツーエンド自動運転手法を提案する。
提案手法は,搭載したLiDARセンサとV2X通信データを融合させることにより,不完全な部分的観測を処理することを目的としている。
論文 参考訳（メタデータ） (2023-09-26T20:26:03Z) - Context-Aware Target Classification with Hybrid Gaussian Process
prediction for Cooperative Vehicle Safety systems [2.862606936691229]
自動運転車の堅牢性と安全性を改善するための潜在的な解決策として、V2X通信が提案されている。
協調車両安全(CVS)アプリケーションは、下層データシステムの信頼性に強く依存している。
本稿では,CVSシステムのためのコンテキスト認識ターゲット分類(CA-TC)モジュールとハイブリッド学習に基づく予測モデリング手法を提案する。
論文 参考訳（メタデータ） (2022-12-24T22:03:08Z)
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。