环境模仿：基于模仿学习的数据驱动环境模型生成用于高效 CPS 目标验证
软件工程
2022-04-15 v1
摘要
信息物理系统（Cyber-Physical Systems, CPS）通过软件控制器持续与其物理环境交互，控制器观测环境并决定动作。工程师可通过分析 CPS 的现场运行测试（Field Operational Test, FOT）日志，验证其所分析 CPS 在多大程度上能达成给定目标。然而，由于实践中成本与风险的存在，重复大量 FOT 以获得统计显著结果颇具挑战。为应对该挑战，基于仿真的验证可作为高效 CPS 目标验证的良好替代，但这需要一个能替代真实环境、与 CPS 闭环交互的精确虚拟环境模型。本文提出一种新颖的数据驱动方法，可从少量 FOT 日志自动生成虚拟环境模型。我们形式化定义了环境模型生成问题，并使用模仿学习（Imitation Learning, IL）算法求解。此外，我们给出了该方法在演进式 CPS 开发中的三个具体用例。为验证方法，我们使用带车道保持系统的简化自动驾驶车辆进行了案例研究。案例研究表明，我们的方法可通过仿真以低成本生成用于 CPS 目标验证的精确虚拟环境模型。
引用
@article{arxiv.2204.06799,
title = {Environment Imitation: Data-Driven Environment Model Generation Using Imitation Learning for Efficient CPS Goal Verification},
author = {Yong-Jun Shin and Donghwan Shin and Doo-Hwan Bae},
journal= {arXiv preprint arXiv:2204.06799},
year = {2022}
}