iSE实验室博士生郭安在工业级自动驾驶保障领域取得新进展

发布日期:2024-08-12 浏览次数:


自动驾驶开启了交通运输的新时代,有望提高安全性、效率和便利性。然而,自动驾驶的安全攸关和智能特性对质量保障提出了高要求和新挑战。高保真度的仿真测试方法对于自动驾驶技术的开发和验证至关重要,其中一个重要方面是识别和构建可能导致事故的关键场景。一个基本思路是利用事故报告描述的事故案例来生成关键测试场景,但事故信息的提取面临着重大挑战。由于事故报告中包含交通术语和非标准短语结构,直接使用现成自然语言处理工具效果不佳。从事故报告中提取信息后,在不同的道路结构上重现事故场景具有挑战性。一方面,地图涵盖了复杂道路的所有关键静态属性。在待测试地图内重现场景时,找到与提取的信息完全匹配的道路极其困难。另一方面,需要在地图上的多条道路上进行测试,难以对给定的待测地图进行适配。



我院 iSE 实验室博士生郭安提出并实现了一种针对工业级自动驾驶系统软件的测试方法 SoVAR。SoVAR 利用带有语言模式的提示来指导大语言模型从文本数据中提取事故信息。制定与事故相关的约束,并结合提取的事故信息求解这些约束以生成事故轨迹。SoVAR 重建各种地图结构上的事故场景,并将其转换为测试场景来评估其检测工业级自动驾驶软件缺陷的能力。SoVAR 使用 NHTSA 数据库中的事故报告为工业级系统 Apollo 生成大量测试场景。SoVAR 可以有效地生成跨不同地图结构的广义事故场景。此外, SoVAR 发现了导致百度 Apollo 崩溃的 5 种不同的安全违规类型场景。与传统的工业级自动驾驶仿真测试不同,该工作从现实世界事故报告中生成场景为自动驾驶系统测试提供了宝贵的资源,不仅包括关键场景,还包括高质量模糊测试的初始种子。


该研究成果的其相关论文《 SoVAR: Build Generalizable Scenarios from Accident Reports  for Autonomous Driving Testing  》已被软件工程顶级国际会议 ASE 2024 录用。该工作是南京大学 iSE 团队与南洋理工大学联合攻关的成果。iSE 团队将与国际优秀团队持续深入研究智能软件工程,致力于工业级自动驾驶的落地和实车测试,验证和优化自动驾驶系统的性能、安全性和可靠性,推动自动驾驶技术从实验室走向实际应用。


郭安同学由陈振宇教授指导,其主要研究方向为面向信息物理系统的智能化开发与质量保障。郭安同学已经在 ISSTA、ASE、JSS 等软件工程顶级学术期刊和会议发表论文多篇,并将研究成果广泛应用于工业实践,助力我国大型复杂智能软件系统质量保障。