Technik zum automatischen Erkennen von Simulationskonfigurationen für …

Das Forschungsteam des Nationalen Instituts für Informatik entwickelte eine Technik zur automatischen Suche nach Simulationskonfigurationen, mit denen verschiedene Verhaltensweisen automatisierter Fahrsysteme getestet werden. Diese Forschung wurde im Rahmen des ERATO-MMSD-Projekts durchgeführt. Die vorgeschlagene Technik wiederholt Versuche mit Simulationen unter Verwendung einer Optimierungsmethode, die als evolutionäre Berechnung bezeichnet wird, so dass Simulationskonfigurationen entdeckt werden, die zu spezifischen Merkmalen des Fahrverhaltens wie hoher Beschleunigung, Verzögerung und Lenkbetrieb führen. Diese Forschung wurde im ICST 2021 vorgestellt. Bildnachweis: © National Institute of Informatics

Ein Forschungsteam unter der Leitung von Fuyuki Ishikawa am Nationalen Institut für Informatik (NII, Japan) hat eine Technik entwickelt, mit der automatisch nach Simulationskonfigurationen gesucht werden kann, mit denen verschiedene Verhaltensweisen automatisierter Fahrsysteme getestet werden. Diese Forschung wurde im Rahmen des ERATO-MMSD-Projekts durchgeführt, das von der Japan Science and Technology Agency (JST, Japan) finanziert wurde. Die vorgeschlagene Technik wiederholt Versuche mit Simulationen unter Verwendung einer Optimierungsmethode, die als evolutionäre Berechnung bezeichnet wird, so dass Simulationskonfigurationen entdeckt werden, die zu spezifischen Merkmalen des Fahrverhaltens wie hoher Beschleunigung, Verzögerung und Lenkbetrieb führen. Das Ergebnis dieser Forschung wurde in ICST 2021 vorgestellt, einer Flaggschiff-Konferenz zu Softwaretests, die vom 12. bis 16. April 2021 stattfand.

Hintergrund

Mehr Aufmerksamkeit wird auf automatisierte Fahrsysteme (ADS) oder fortschrittliche Fahrerassistenzsysteme gerichtet. Es entstehen neue Automodelle mit Stufe 3 des autonomen Fahrens, bei denen menschliche Fahrer unter bestimmten Bedingungen den Fahrbetrieb nicht überwachen müssen. Die ADS-Funktionalität, die in die Praxis umgesetzt wird, ist jedoch auf bestimmte Situationen beschränkt, z. B. Staus auf Autobahnen oder festen Strecken. Für die Verwendung von ADS in Umgebungen mit enormen Situationen wie städtischen Gebieten sind erhöhte Sicherheits- und Zuverlässigkeitsanforderungen erforderlich.

Eine der Schlüsselfunktionen in ADS ist die Pfadplanung, bei der Richtung und Geschwindigkeit kontinuierlich aktualisiert werden, indem die Umgebung einschließlich anderer Autos und Fußgänger untersucht wird. Die Pfadplanungsfunktionalität muss nicht nur die Sicherheit berücksichtigen, sondern auch mehrere Aspekte wie das Ausmaß der Beschleunigung / Verzögerung, den Lenkbetrieb und die Spurkonformität.

Simulationsbasiertes Testen wird üblicherweise für ADS verwendet. Ein typischer Ansatz besteht darin, dass menschliche Tester Szenarien aufzählen. Ein Beispiel ist “das Ego-Auto wird rechts abbiegen, aber ein Auto nähert sich aus der entgegengesetzten Richtung.” Das ADS-Verhalten kann sich jedoch im selben Rechtskurvenszenario unterscheiden, z. B. indem Sie entweder eine Kurve ohne Bremsen fahren oder abbremsen und lange warten, bevor Sie die Kurve fahren. Es ist wichtig, verschiedene Verhaltensweisen des ADS zu überprüfen, bevor es in der Gesellschaft eingesetzt wird. Es ist jedoch unwahrscheinlich, dass bestimmte Verhaltensweisen wie eine lange Verzögerung auftreten, wenn Forscher viele Simulationen unter Konfigurationen mit unterschiedlichen Positionen anderer Autos usw. ausführen. Darüber hinaus weist das ADS möglicherweise spezifischere Verhaltensweisen auf, beispielsweise das gleichzeitige Auftreten einer starken Beschleunigung und eines hohen Lenkvorgangs. Das Konfigurieren von Simulationen, um solche spezifischen Verhaltensweisen absichtlich zu verursachen, ist sehr schwierig.

In dieser Studie schlugen die Forscher eine Technik zur Testgenerierung vor, die automatisch nach Simulationskonfigurationen sucht, die zu bestimmten Merkmalen des Fahrverhaltens wie hoher Beschleunigung und Verzögerung und hohem Lenkbetrieb führen. Sie verwendeten eine Optimierungstechnik namens Evolutionsberechnung, bei der Simulationsversuche wiederholt werden, um die Konfigurationen so anzupassen, dass das angegebene Fahrverhalten lange anhält. Auf diese Weise kann die Technik Simulationskonfigurationen wie die Positionen anderer Autos erkennen, was zu den gewünschten Merkmalen des Fahrverhaltens führt.

Die vorgeschlagene Technik vermeidet auch, nur Simulationskonfigurationen zu erzeugen, die nur zu gefährlichen Situationen wie Kollisionen führen. Daher werden Merkmale des Fahrverhaltens aufgedeckt, die nicht auf Notsituationen beschränkt sind. Darüber hinaus kann es nach Verhaltenskombinationen suchen und diese auslösen, z. B. das gleichzeitige Auftreten einer hohen Beschleunigung und eines hohen Lenkvorgangs.

Wir haben die Testgenerierungstechnik auf ein von Mazda angebotenes Programm zur Pfadplanung angewendet und bewertet. Die Technik könnte bestimmte Verhaltensweisen erzeugen, die in zufälligen Simulationen selten verursacht wurden. Zum Beispiel erzeugte es eine starke Beschleunigung zusammen mit einem hohen Lenkvorgang sowie eine hohe Beschleunigung nach einer hohen Verzögerung in einem Szenario für eine Rechtskurve an einer Kreuzung. Diese Fälle traten nur mit sehr spezifischen Zeitpunkten anderer Autos auf, die die Kreuzung betraten. Auf diese Weise zeigten die Forscher, dass die Technik absichtlich Kombinationen spezifischer Verhaltensweisen mithilfe von Simulationskonfigurationen auslösen kann, die für menschliche Ingenieure sehr schwer zu entwerfen sind.

Zukunftsperspektive

Diese Forschung wurde im Rahmen des JST ERATO-MMSD-Projekts durchgeführt. In dem Projekt untersuchten die Forscher andere Techniken zur Entdeckung von Simulationsszenarien, die zu Abstürzen führen, Techniken, die die Ursachen von Abstürzen erklären, und Techniken, die das Verhalten beheben, um die erkannten Abstürze zu vermeiden. Die Forschung dieses Mal bestand darin, das Vertrauen in die Systemsicherheit zu erhöhen, indem verschiedene Situationen überprüft wurden, zusätzlich zu den Techniken zum Erkennen und Beheben problematischer Verhaltensweisen. Daher entwickelten die Forscher einen umfassenden Ansatz zum Testen von ADS, der sowohl Tests zum Erkennen von Problemen als auch Tests zum Überprüfen verschiedener Fälle enthielt, die für herkömmliche Softwareprogramme durchgeführt wurden.

Ende 2020 fand ein Wettbewerb für Testgenerierungswerkzeuge für fortschrittliche Fahrerassistenzsysteme (ADAS) statt (in Verbindung mit dem SBST-Workshop, der im Mai 2021 stattfinden soll). Das ERATO-MMSD-Projekt hat dem Wettbewerb ein Tool namens Frenetic vorgelegt. Frenetic erzielte signifikante Ergebnisse in Bezug auf die Rate der generierten Fehlerfälle und deren Vielfalt. Dies kam genau aus den oben genannten Forschungserfahrungen.

Die Wissenschaftler stellten umfassende Testtechniken für ADS zur Verfügung. Obwohl sie das von Mazda in den Bewertungen bereitgestellte Programm verwendeten, sind die Techniken allgemein gehalten und können auf die spezifischen Anforderungen jedes Automobilunternehmens zugeschnitten werden. Zum Beispiel können sie die Techniken an das aufkommende Framework anpassen, das von Intel und Mobileye als verantwortungsbewusste Sicherheit bezeichnet wird. Sie werden sich bemühen, die Techniken verfügbar zu machen, indem sie sie auf neue internationale Standards sowie die Anforderungen jedes Automobilunternehmens zuschneiden.

Kommentar von Fuyuki Ishikawa

“Wir haben in Zusammenarbeit mit Mazda aktiv an der Pfadplanungskomponente geforscht. Wir haben eine ganzheitliche Reihe von Test- und Debugging-Techniken, einschließlich der oben genannten, etabliert, indem wir Techniken für herkömmlichen Programmcode angepasst haben. Der Schlüssel dieser Techniken ist die Suche für Lösungen wie wünschenswerte Tests und wünschenswerte Korrekturmaßnahmen. Wir werden die Techniken erweitern und empirisch validieren, wenn neue Standards sowie unterschiedliche Anforderungen in jeder ADS-Anwendung gegeben sind. ”

Das könnte dir auch gefallen
Hinterlasse eine Antwort

Deine Email-Adresse wird nicht veröffentlicht.

Technik zum automatischen Erkennen von Simulationskonfigurationen für…

Lesezeit: 5 min
0