面向自动驾驶系统场景测试中驾驶违规原因分析的自动化
软件工程
2024-01-22 v1
摘要
自动驾驶汽车（AV）的快速发展，例如 Waymo 和 Cruise 提供 24/7 付费出租车服务，凸显了确保 AV 遵守各项政策（如安全法规、交通规则和任务指令）的至关重要性。尽管自动驾驶系统（ADS）测试工具的开发取得了重大进展，但在归因驾驶违规原因的研究方面仍存在显著空白。反事实因果分析已成为识别程序故障根本原因的一种有前景的方法。尽管它在定位诱发错误的输入方面已展现出有效性，但将其直接应用于 AV 语境以确定由哪个组件生成的哪个计算结果作为根本原因，构成了相当大的挑战。一个关键障碍在于，我们无法直接消除特定内部消息的影响，从而建立每个组件的输出与系统级驾驶违规之间的因果关系。在本工作中，我们提出了一种新颖的驾驶违规原因分析（DVCA）工具。我们利用仿真提供的独特机会，设计了理想化的组件替代物，以实现对 ADS 组件的反事实分析。我们在包含真实缺陷和注入故障的基准上评估了我们的工具。结果表明，我们的工具能够实现完美的组件级归因准确率（100%）以及近乎完美（>98%）的消息级准确率。我们的工具能够将调试范围从数百条复杂的相互依赖的消息缩减为由单个组件生成的单个计算结果。
引用
@article{arxiv.2401.10443,
title = {Towards Automated Driving Violation Cause Analysis in Scenario-Based Testing for Autonomous Driving Systems},
author = {Ziwen Wan and Yuqi Huai and Yuntianyi Chen and Joshua Garcia and Qi Alfred Chen},
journal= {arXiv preprint arXiv:2401.10443},
year = {2024}
}