EpiTESTER：基于表观遗传算法与注意力机制测试自动驾驶车辆

在各种导致车辆陷入不安全状况的环境场景下测试自动驾驶车辆（AVs）被认为是具有挑战性的。鉴于无限可能的环境场景，高效地找到关键场景至关重要。为此，我们受表观遗传学（其使物种能够适应突发的环墶变化）启发，提出了一种新颖的测试方法，名为 EpiTESTER。特别地，EpiTESTER 采用基因沉默作为其表观遗传机制，该机制调控基因表达以阻止某一基因的表达，且基因表达的概率随环境变化动态计算。给定 AV 背景下不同的数据模态（例如图像、激光雷达点云），EpiTESTER 受益于多模型融合 transformer 以从环境因素中提取高层特征表示，随后借助注意力机制基于这些特征计算概率。为评估 EpiTESTER 的性价比，我们将其与经典遗传算法（GA）（即未实现任何表观遗传机制）以及各基因等概率的 EpiTESTER 进行比较。我们使用来自 CARLA（一个开源自动驾驶研究模拟器）的四种初始环境以及端到端 AV 控制器 Interfuser 对 EpiTESTER 进行评估。我们的结果表明，与基线相比，EpiTESTER 在识别关键场景方面取得了有前景的性能，表明应用表观遗传机制是解决实际问题的良好选择。