自动驾驶系统基于场景测试的通过-失败准则

MUSICC 项目创建了一个概念验证场景数据库，用作自动驾驶系统（ADS）验证的型式批准流程的一部分。该流程必须包含高度自动化的测试结果评估手段，因为在所需规模下人工审查是不切实际的。本文提出了一个评估 ADS 在正常运行中行为安全性（即动态驾驶任务在无部件故障或恶意行为下的表现）的框架。确定了 ADS 性能的五个顶层评估准则。实施这些准则需要两类结果评分规则：规定性（必须始终遵循的可测量规则）与基于风险（不得过于频繁发生的不期望结果）。评分规则以编程语言定义，并将作为场景描述的一部分存储。基于风险的规则无法从单个测试用例给出通过/失败判定。相反，定义了一个框架，为每个功能场景（具有共同特征的一组测试用例）做出判定。该框架考虑跨多个单独测试的统计性能。本文指出了该框架对假设检验与场景选择的影响。