BehAVExplor：行为多样性引导的自动驾驶系统测试
软件工程
2023-07-17 v1
摘要
测试自动驾驶系统（ADSs）是确保自动驾驶车辆可靠性和安全性的关键任务。现有方法主要关注搜索安全违规，而忽略了生成测试用例的多样性，这可能生成许多冗余的测试用例和故障。此类冗余故障会降低测试性能并增加故障分析成本。在本文中，我们提出一种新颖的行为引导模糊测试技术（BehAVExplor）来探索自车（即受测 ADS 控制的车辆）的不同行为并检测多样化的违规。具体而言，我们设计了一个称为 BehaviorMiner 的高效无监督模型来刻画自车的行为。BehaviorMiner 从给定场景中提取时间特征，并执行基于聚类的抽象，将具有相似特征的行为分组为抽象状态。如果新测试用例触发了新行为（例如覆盖新的抽象状态），则将其加入种子语料库。由于行为多样性与一般违规反馈之间潜在的冲突，我们进一步提出一种能量机制来引导种子选择和变异。种子的能量量化了它的优劣程度。我们在工业级 ADS Apollo 和 LGSVL 仿真环境中评估了 BehAVExplor。实证评估结果表明，BehAVExplor 能比最先进的方法更有效地发现更多样化的违规。
引用
@article{arxiv.2307.07493,
title = {BehAVExplor: Behavior Diversity Guided Testing for Autonomous Driving Systems},
author = {Mingfei Cheng and Yuan Zhou and Xiaofei Xie},
journal= {arXiv preprint arXiv:2307.07493},
year = {2023}
}