充分利用测试信息:自动驾驶系统的综合加速测试和评估方法

科学领域:

• 汽车工程 汽车工程
• 人工智能的人工智能
• 软件测试 软件测试 软件测试

背景情况:

• 自动驾驶系统 (ADS) 需要严格的测试和评估,以确保预期功能 (SOTIF) 的安全性.
• 当前的测试方法产生了大量的数据,但往往无法充分利用中间信息进行全面评估.
• 识别危险的操作领域对于验证ADS至关重要.

研究的目的:

• 为ADSs提出一个综合加速测试和评估方法 (ITEM).
• 通过利用中间测试信息,提高危险领域识别的准确性.
• 提高SOTIF对ADS的评估效率和有效性.

主要方法:

• 基于蒙特卡罗树搜索 (MCTS) 和双替代品测试框架的综合加速测试和评估方法 (ITEM) 的开发.
• 将中间测试信息 (包括树结构和子空间关系) 整合到评估阶段.
• 改进了对危险领域边界的集中探索和基于搜索算法趋同的新型停止条件的UCB (Upper Confidence Bound) 计算.

主要成果:

• ITEM成功地在低维和高维场景中识别了危险域,不管域的形状如何.
• 该方法证明了ADS的普遍性和强有力的安全评估的潜力.
• 除和比较实验证实了提议的改进的有效性和ITEM的优越性.

结论:

• 拟议的ITEM有效地利用中间测试数据在ADS中准确识别危险领域.
• ITEM为SOTIF评估提供了通用和强大的方法,这对于安全部署自动驾驶至关重要.
• 增强的UCB计算和基于趋同的停止条件有助于集中和高效的安全评估.