AutoMT：面向自动驾驶系统的基于多智能体 LLM 的元测试框架
软件工程
2025-10-23 v1
摘要
自动驾驶系统（ADS）属于安全关键领域，故障可能导致严重后果。虽然元测试（MT）对 ADS 的故障检测有效，但现有方法依赖大量人工工作且缺乏自动化。我们提出 AutoMT，一个由大语言模型（LLM）驱动的多智能体 MT 框架，用于自动从局部交通规则中提取元关系（MR），并生成有效的后续测试用例。AutoMT 利用 LLM 从交通规则中以 Gherkin 语法提取 MRs，并通过预定义本体。视觉语言智能体分析场景，搜索智能体从基于检索增强生成（RAG）的数据库中检索合适的 MRs，通过计算机视觉生成后续测试用例。实验表明，AutoMT 在后续测试用例生成中相较于最佳基线（手动专家定义的 MRs）实现测试多样性提升最高可达 5 倍，以验证通过率衡量，并检测到的行为违规比率提升最高可达 20.55%。虽然手动 MT 依赖固定的预定义规则集，但 AutoMT 自动提取多样化的元关系，增强了真实数据集，帮助发现往往在现场测试和数据收集时被忽略的边界情况。其模块化架构将 MRs 提取、过滤和测试生成分离，支持集成到工业流程中，并 potentially 实现基于仿真的测试，以系统性地覆盖欠代表或安全关键的场景。
引用
@article{arxiv.2510.19438,
title = {AutoMT: A Multi-Agent LLM Framework for Automated Metamorphic Testing of Autonomous Driving Systems},
author = {Linfeng Liang and Chenkai Tan and Yao Deng and Yingfeng Cai and T. Y Chen and Xi Zheng},
journal= {arXiv preprint arXiv:2510.19438},
year = {2025}
}