2023年9月27日下午6:00，TOPS第131期组会于通达馆A102会议室线下举行。本次组会由2022级博士生梅月雯与大家交流讨论了《考虑自动驾驶不确定性的故障注入加速测试》的相关内容。课题组全体老师同学出席了本次组会。

汇报时刻

梅月雯首先介绍了研究背景，复杂交通环境下自动驾驶系统(Automated Driving System，ADS)的安全性验证测试愈发重要，而ADS具有脆弱性，模块间的潜在故障可能会导致严重后果。基于场景仿真的自动驾驶故障注入可以通过人为引入故障来验证特定场景中ADS的鲁棒性，然而，场景的组合爆炸导致了巨大的故障空间和极高的仿真耗时，故有必要进行故障注入加速测试。目前研究主要探索了单帧故障及单帧故障组合影响下ADS的安全性，现有方法难以预测持续故障的影响。此外，ADS的不确定性问题，导致了更大的测试资源消耗，而目前研究很少考虑复杂ADS开发阶段外的不确定性。因此，需要实现持续多帧故障的加速测试，同时也需要从整体的角度刻画ADS的不确定性。

汇报内容

接下来，梅月雯细致地介绍了研究内容：首先，搭建以Apollo为被测物，VTD为仿真环境，VTD bridge为故障注入引擎的实验平台，明确实验的故障空间和待测安全边界场景，并收集仿真测试结果。然后，基于动态贝叶斯网络(Dynamic Bayesian Network，DBN)学习自动驾驶系统内部变量的不确定性。最后使用确定型方法和基于蒙特卡洛(Monte Carlo, MC)采样的不确定型方法MC-L(仅最后一步使用MC采样)、MC-E(每一步都使用MC采样)、MC-ERS(每一步都随机选择部分样本)对多帧故障进行滚动预测，并结合车辆运动学公式预测每种故障的碰撞概率来得出故障空间中的关键故障。

汇报内容

实验结果表明，多帧故障的碰撞概率更高，单帧故障基本不会导致碰撞。由精度验证结果可知，DBN和滚动预测方法可以有效预测不确定性情况下，注入多帧故障后的碰撞概率，MC-ERS能够在较小的计算耗时下，较精准地刻画被测物内部变量的不确定性。

汇报内容

在交流讨论环节，2023级博士生刘懿如对单帧故障作用效果、DBN泛化能力等问题进行了提问，2023级硕士生叶轶淳对不确定性的刻画方式进行了提问，2020级博士生周东浩对不确定性的定义、DBN的预测精度等问题进行了提问。

孙剑老师从明确测试结果不确定性的来源、评估各ADS模块的脆弱等级等方面提出了建议。杭鹏老师从未来ADS系统模块变量的预期功能安全等方面提出了建议。秦国阳老师从MC采样需要大量数据支撑的收敛曲线等方面提出了建议。岳李圣飒老师从考虑故障传递过程的链式反应等方面提出了建议。

至此，本次组会圆满结束。