日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転arXiv:2607.04953

自動運転システムの実世界摂動テスト

Real-World Perturbation Testing of Autonomous Driving Systems

シェア:XThreadsFacebookLINEはてブBluesky

自動運転システムのロバスト性を評価するため、カメラとLiDARに対する72種類の摂動を、オフライン、ハードウェアインザループ、実車クローズドループの3つのテストレベルで大規模に比較し、モデルレベルの指標だけでは実世界の障害を予測できないことを示した。

詳しい要約

1. どんなもの?

本論文は、Autonomous Driving Systems (ADS) の実世界における摂動に対する堅牢性を評価するため、72種類のカメラおよびLiDAR摂動を、オフラインモデルレベル解析、ハードウェアインザループ実行、実車両を用いたクローズドループシステムレベルテストの3つのテストモダリティで大規模に評価した研究である。評価対象は、エンドツーエンドのビジョンベース運転モデルと、モジュラー型LiDARベースの認識・プランニングスタックの両方である。

2. 先行研究と比べてどこがすごい?

先行研究の多くはオフラインデータセットやシミュレーションに基づく摂動テストに留まっており、実世界の運転への適用可能性が不明であった。本研究は、実車両を用いたクローズドループシステムレベルテストを含む3つのテストモダリティを比較することで、テストレベル間のギャップを明らかにし、モデルレベルの指標だけでは実世界の障害を予測できないことを示した点が新しい。

3. 技術・手法の肝は?

手法の肝は、同一の摂動セットを3つの異なるテストレベル(オフライン、ハードウェアインザループ、実車両)で体系的に適用し、その影響を比較することにある。カメラベースシステムとLiDARベースシステムの両方で、摂動の影響を制御安定性、認識精度、システム障害などの観点から評価している。また、リアルタイム実行可能性を考慮し、実世界テストの制約を明らかにしている。

4. どうやって有効だと検証した?

有効性の検証は、72種類の摂動を3つのテストモダリティで適用し、カメラベースとLiDARベースのシステムそれぞれについて、オフライン影響と実世界の制御不安定や障害との関連を分析することで行った。結果として、カメラベースではオフライン影響が小さくても実世界で障害を引き起こす摂動があること、LiDARベースでは認識レベルの劣化がシステムレベルの障害を弱くしか予測しないことなどを示した。

5. 議論はある?

議論としては、モデルレベルの指標だけでは最も有害な摂動を特定できないことが示され、実世界でのシステムレベル評価の重要性が強調されている。また、記録データからの堅牢性観察が物理車両のクローズドループ挙動に一貫して転移しないことが指摘され、テストレベルのギャップが議論されている。リアルタイム実行可能性が実世界テストの重要な制約であることも述べられている。

6. 次に読むべき論文は?

要旨からは、具体的な次に読むべき論文は不明であるが、関連する分野として、ADSの堅牢性テスト、摂動ベースのテスト手法、シミュレーションから実世界への転移(sim-to-real)に関する研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Stefano Carlo Lambertenghi, Matthias Weil, Andrea Stocco

分類: cs.SE, cs.RO

原文アブストラクト

Autonomous Driving Systems (ADS) must operate reliably under diverse conditions, yet representative data for rare or adverse scenarios is difficult to obtain. Perturbation-based testing is widely used to assess robustness, but most studies focus on offline datasets or simulation, leaving open questions about how such results translate to real-world driving. We present a large-scale study of 72 camera and LiDAR perturbations, evaluated across three testing modalities: offline model-level analysis, hardware-in-the-loop execution, and closed-loop system-level testing on a full-scale autonomous vehicle. The study covers both an end-to-end vision-based driving model and a modular LiDAR-based perception and planning stack. Our results reveal a clear gap between testing levels. For camera-based systems, perturbations with limited offline impact can still induce unstable control and failures in real-world driving. For LiDAR-based systems, degradation is more consistent at the perception level but weakly predictive of system-level failures. Across both modalities, model-level metrics alone are insufficient to identify the most harmful perturbations. We further show that real-time feasibility is a key constraint in real-world testing, and that robustness observations obtained from recorded data do not consistently transfer to closed-loop behavior on a physical vehicle, highlighting the importance of complementary real-world, system-level evaluation.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI