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
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
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。
Mar, 2020
使用保守贝叶斯推断方法,探讨从技术层面如何评估自动驾驶系统,维护其高可靠性和安全性。
Aug, 2020
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
无人机、自主空中移动、无人机、电动垂直起降、自主高级空中机动能力
Nov, 2023
基于统计方法,本文旨在填补自动驾驶可靠性保证测试计划方面的空白,通过开发基于经常发生事件数据的自动驾驶可靠性保证测试的统计方法,探索自动驾驶可靠性保证测试计划中多个利益标准之间的关系,并提供实际应用建议。通过使用加利福尼亚州机动车辆部门自动驾驶测试计划的故障事件数据来说明所提出的可靠性保证测试计划方法。
本文提出了一种有效的自动化修改条件/决策覆盖测试数据生成方法,利用基于案例推理和范围缩减启发式技术解决了修改条件/决策覆盖定制的对象约束语言约束问题,实验证明该方法优于现有的约束求解方法。
Jan, 2024
自动驾驶汽车(AVs)的安全性能测试和评估在大规模部署之前是必不可少的。本文首次将问题建模为“少样本测试”(FST)问题,并提出了一个系统性的FST框架来应对这一挑战,通过利用代理模型(SMs)的先验信息,动态调整测试场景集合以及每个场景对测试结果的贡献,在小规模测试场景中降低测试误差与方差,尤其适用于场景数目受严格限制的情况。
Feb, 2024
本研究探讨了将人工智能(AI)整合到自动驾驶汽车(AVs)中的复杂性,研究了AI组件引入的挑战以及对测试程序的影响,重点关注了可信AI的一些基本要求。涵盖了AI在AVs的各个操作层面上的作用、欧盟AI法案对AVs的影响以及ADAS和ADS的新测试方法的需求。本文还对网络安全审核的重要性、AI决策过程中的可解释性需求以及评估AVs中预测系统的稳健性和道德行为的协议进行了详细分析。该论文确定了重大挑战,并提出了AI在AV技术研究与发展中的未来方向,突出了跨学科专业知识的需求。