测试基于多传感器融合感知的自动驾驶系统容错性
机器人学
2025-04-21 v1 软件工程
摘要
高级自动驾驶系统（ADSS）如Google Waymo和百度Apollo通常依赖基于多传感器融合（MSF）的方法来感知周围环境。这种策略通过结合摄像头和LiDAR各自的优势，提高感知鲁棒性，直接影响自动驾驶车辆（AV）的安全关键驾驶决策。然而，在实际自动驾驶场景中，摄像头和LiDAR可能遭受各种故障，这可能显著影响ADSS的决策和行为。现有MSF测试方法仅发现了MSF感知无法准确检测的边界情况，缺乏对传感器故障如何影响ADSS系统级行为的研究。为填补这一空白，我们首次探索了基于MSF感知的ADSS对传感器故障的容错性。在本文中，我们系统性地构建了摄像头和LiDAR的故障模型，并将其注入MSF感知基ADSS进行测试以评估其在测试场景中的行为。为有效且高效地探索传感器故障模型的参数空间，我们设计了一种基于反馈引导的差分模糊测试器，用于发现由注入的传感器故障引起的MSF感知基ADSS安全违规。我们在代表性且实际的工业ADSS——百度Apollo上评估了FADE。我们的评估结果表明FADE有效且高效，我们从实验结果中得出了一些有用的发现。为验证实验发现的实际意义，我们使用真实的百度Apollo 6.0 EDU自动驾驶车辆进行了物理实验，结果表明我们的发现具有实际意义。
引用
@article{arxiv.2504.13420,
title = {Testing the Fault-Tolerance of Multi-Sensor Fusion Perception in Autonomous Driving Systems},
author = {Haoxiang Tian and Wenqiang Ding and Xingshuo Han and Guoquan Wu and An Guo and Junqi Zhang. Wei Chen and Jun Wei and Tianwei Zhang},
journal= {arXiv preprint arXiv:2504.13420},
year = {2025}
}