自动驾驶测试
文章平均质量分 96
祺呆子
这个作者很懒,什么都没留下…
展开
-
论文精读06:ISSTA23’《BehAVExplor: Behavior Diversity Guided Testing for Autonomous Driving Systems》
在本文中,我们提出了一种新颖的测试技术,用于生成导致不同类型违规的不同场景。 为了测量ADS车辆的行为多样性,我们提出了BehaviorMiner,它从模拟器收集原始状态,提取时间特征,并执行基于聚类的抽象。 为了进一步平衡多样性和违规的目标,我们设计了一种基于能量的机制,用于种子选择和突变。 Apollo 的评估证明了我们方法的有效性和效率以及 BehAVExplor 和能量机制的有用性。原创 2023-12-24 17:36:01 · 1207 阅读 · 0 评论 -
论文精读05:ESEC/FSE22’《Testing of Autonomous Driving Systems: Where Are We and Where Should We Go?》
本文对自动驾驶系统测试的当前实践和需求进行了实证研究,总结了ADS 从业者的七种常见做法和四种常见需求,此外,我们对 SE 社区的相关 ADS 测试研究进行了文献综述,并评估了现有工作可以在多大程度上满足这些工业需求。最后,提出了四个未来方向,以构建更好的自动驾驶系统测试工具支持。原创 2023-12-24 10:00:00 · 817 阅读 · 0 评论 -
论文精读04:ISSTA23’《Testing Automated Driving Systems by Breaking Many Laws Efficiently》
本文提出了ABLE,一种基于GFlowNet的新ADS测试方法,可以有效地生成各种违法场景。 为了更好地适应场景生成,我们通过两项优化来改进 GFlowNet,即在主动学习期间动态更新目标函数以及在每个样本步骤中仅选择适当的动作类型。我们基于 Apollo 和 LGSVL 评估了 ABLE,结果表明,在测试 Apollo 6.0 和 Apollo 7.0 时,ABLE 分别违反了 17% 和 25% 的难以发现的定律,从而优于最先进的技术。原创 2023-12-23 10:00:00 · 883 阅读 · 0 评论 -
论文精读03:TSE23’《A Declarative Metamorphic Testing Framework for Autonomous Driving》
自动驾驶受到工业界和学术界的广泛关注。目前,深度神经网络(DNN)广泛应用于自动驾驶的感知和控制。然而,多起自动驾驶汽车造成的致命事故引发了人们对自动驾驶模型的严重安全担忧。最近的一些研究成功地使用蜕变测试技术来检测一些常用的自动驾驶模型中的数千个潜在问题。然而,先前的研究仅限于一小部分蜕变关系(MR),它们不能反映丰富的、真实的交通场景,也不能定制。本文提出了一种新颖的基于规则的声明性蜕变测试框架,称为 RMT。原创 2023-12-22 10:00:00 · 631 阅读 · 0 评论 -
论文精读02:ICSE23’《Doppelganger Test Generation for Revealing Bugs in Autonomous Driving Software》
由自动驾驶软件(ADS)控制的车辆有望带来许多社会和经济效益,但由于其安全性问题,现阶段尚未得到广泛应用。虚拟测试(在软件模拟中测试自动驾驶汽车)是常见做法,因为与现场操作测试相比,虚拟测试更高效、更安全。具体来说,基于搜索的方法用于查找特别危急的情况。这些方法提供了自动生成测试的机会;然而,系统地生成 ADS 的错误揭示测试仍然是一个重大挑战。原创 2023-12-21 10:00:00 · 1105 阅读 · 1 评论 -
论文精读01:ISSTA23’《Building Critical Testing Scenarios for Autonomous Driving from Real Accidents》
开发和推广自动驾驶技术的目的之一是减少人为因素造成的交通事故。但最近报道的涉及自动驾驶系统(ADS)的致命事故数据表明,这一重要目标并未实现。因此,需要进行更全面、更有针对性的测试,尤其是安全驾驶测试。在本文中,我们提出了一种从真实世界事故数据中自动构建关键测试场景的方法。原创 2023-12-20 10:47:50 · 981 阅读 · 0 评论