V2Xテスト2026/10/22arXiv:2610.30979

LAST-V2X: 言語駆動によるV2X安全アプリの通信起因故障シナリオの適応的生成とテスト

LAST-V2X: Language-Driven Adaptive Scenario Synthesis and Testing for Communication-Induced Failures in V2X Safety Applications

シェア:X Threads Facebook LINE はてブ Bluesky

LLMを用いて自然言語のテスト記述からV2X通信の遅延・欠落・誤情報を含む交通シナリオを自動生成し、通信劣化と正解情報の比較実行で通信起因の安全故障を特定・再現するフレームワーク。

詳しい要約

1. どんなもの？

- V2X通信を用いた安全運転アプリケーションのための、言語駆動・適応型のシナリオ合成および安全性テストフレームワーク - 自然言語のテスト記述をLLMで実行可能なシナリオへ変換する - 道路交通シミュレーション、通信モデリング、メッセージレベルのfault injectionを統合する - 通信起因の安全故障を、交通条件由来の故障と区別して評価することを狙う

2. 先行研究と比べてどこがすごい？

- 先行研究との具体的比較は要旨からは不明 - 従来は交通相互作用・通信条件・アプリ応答を同時に構成する必要があり、系統的テストが困難だった - LAST-V2Xは自然言語記述からシナリオを自動合成し、通信劣化とground-truth情報のmatched executionsで因果を切り分ける点を特徴とする - execution-guided refinementにより再現可能な最小故障ケース生成を目指す

3. 技術・手法の肝は？

- LLMにより自然言語テスト記述を、roadway geometry・V2X通信semantics・車両挙動に基づく実行可能シナリオへ変換 - 物理traffic simulationとspatially aware communication modelingを統合 - message-level fault injectionで情報劣化を再現 - degraded情報とground-truth情報のmatched executionsにより通信起因の故障かを判定 - parameter searchとLLM self-reflectionを組み合わせたexecution-guided refinementで無効な設定を検出し、シナリオ有効性を改善、最小再現故障ケースを生成

4. どうやって有効だと検証した？

- 多様なCARLA環境とV2X安全アプリケーションで実験 - 信頼性の高いシナリオ生成を実証 - 通信起因の故障と無関係な安全違反の区別を実証 - adaptive refinementによりfailure discoveryが大幅に改善したと報告 - 具体的な指標・ベースライン比較は要旨からは不明

5. 議論はある？

- 通信起因の故障を因果的に検証する枠組みを提示 - LLMによるシナリオ変換やrefinementの限界・失敗ケースは要旨からは不明 - 実車・実通信環境への一般化やスケーラビリティは要旨からは不明 - 評価対象アプリやCARLA環境の詳細、統計的有意性は要旨からは不明

6. 次に読むべき論文は？

- CARLAを用いたV2X・自動運転の安全性テスト研究 - LLMをテストシナリオ生成に用いる研究 - fault injectionやcommunication degradationを扱うV2X評価研究 - matched executionsやcausal verificationを用いた安全評価手法 - 要旨で参照・比較されている個別研究は明示されていない

※ 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: Keshu Wu, Hao Zhang, Rui Gan, Pei Li, Jiwan Jiang, Yang Zhou

分類: cs.RO, cs.AI

原文アブストラクト

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.

arXivで原文を読む →arXiv概要ページ

← 論文一覧