Mar, 2020

自主驾驶汽车的正式场景测试：从仿真到现实世界

PDF
TL;DR本文提出了一种基于形式化方法的智能汽车自动场景测试的新方法，结合仿真和实际测试，并通过实验验证形式化仿真可以有效识别可在跑道上运行的测试用例，仿真和真实世界之间的差距可以得到系统评估和弥合。
发现论文，激发创造
  • 基于仿真的带机器学习组件的自动驾驶车辆对抗测试生成

    本文针对包含机器学习组件的自动驾驶系统，提出了一个测试框架，利用测试用例生成和自动实现方法进行评估，并演示了如何使用覆盖数组等测试用例生成方法以及需求实现方法来自动识别问题情景，从而提高自动驾驶系统的可靠性。

    Apr, 2018

  • 自动驾驶车辆安全测试场景的生成和特征描述

    使用现代化驾驶模拟器，提出检测和生成测试方案的有效机制，通过量化方案复杂度的度量标准来定义基于避免事故的复杂度度量标准，并对未来的自动驾驶车辆进行改进提供了洞见。

    Mar, 2021

  • 自动驾驶车辆安全的高效黑盒评估

    研究实施了一种模拟测试框架来评估自动驾驶汽车系统的性能，并采用自适应重要性抽样方法加速稀有事件概率评估，评估了 Comma AI 的 OpenPilot，对自主车辆技术的测试和验证提出了新的方法。

    Dec, 2019

  • 通过罕见事件模拟实现可扩展的自动驾驶汽车端到端测试

    开发了一种模拟框架，使用深度学习感知和控制算法来测试现代自动驾驶系统，通过自适应重要性采样方法来估计基于标准交通行为的意外概率，相对于蒙特卡洛抽样，可以提速 2-20 倍，并且比真实道路测试快 10-300 倍（P 为处理器数量）。

    Oct, 2018

  • 用情景程序查询标记时序数据

    确保自动驾驶车辆在道路上的安全性，模拟测试已成为道路测试的重要补充，其中对于验证 AV 行为是否与预期结果一致的需求与日俱增。本研究提出一种验证模拟时间序列故障与真实世界时间序列传感器数据一致性的方法，通过从真实世界时间序列数据集中检索故障场景实例，并定义了匹配的形式。实验证明了算法在具有挑战性和不常见的时间序列场景上的精确性和可扩展性，并提供了可在各种 CPS 中使用的查询算法的完整系统实现。

    Jun, 2024

  • 测试预测自动驾驶系统：经验教训和未来建议

    该论文分析了自动化驾驶功能中预测系统的主要限制，探讨了未来物理测试程序中需要考虑的实际行动和建议。

    Apr, 2022

  • 退出仿真：实现大规模强健和韧性自主车辆的道路

    利用模拟系统开发自动驾驶技术，以实现真实世界操作中的鲁棒性。

    Oct, 2022

  • 面向数据驱动的自动驾驶虚拟测试的联合方法：AVEAS 项目

    该研究介绍了德国 AVEAS 研究项目的中间结果，该项目旨在开发用于高级驾驶辅助系统和自动驾驶的虚拟验证和验证的真实世界数据的方法和度量，并建立遵循 FAIR 原则的在线数据库。

    May, 2024

  • 从基于模型到数据驱动的仿真：自动驾驶中的挑战和趋势

    本研究探讨了自动驾驶汽车仿真实验中的各种挑战及其类型，并总结了当前的解决方案，其中包括数据驱动、生成式方法和高保真数据合成近年来逐渐取代基于模型的仿真。

    May, 2023

  • 系统数据采集与数据驱动仿真方法用于自动驾驶功能的安全测试

    增长的自动驾驶功能的复杂性和重要性，导致了对在虚拟环境和模拟模型中覆盖开发、验证和验证的显著比例的需求。我们提出了一种系统获取公共交通数据的方法，通过异构手段转换为统一表示，并用它来自动参数化交通行为模型，以用于数据驱动的自动驾驶功能的虚拟验证。

    May, 2024