针对工业级自动驾驶系统软件的测试方法 SOVAR

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。团队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，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。

通过使用 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，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。

联系人：庄老师电话：15295039286 单位名称：常州市武进区科技成果转移中心