Teknik untuk secara otomatis menemukan konfigurasi simulasi untuk perilaku yang sulit diuji
Software

Teknik untuk secara otomatis menemukan konfigurasi simulasi untuk perilaku yang sulit diuji


Tim peneliti di National Institute of Informatics mengembangkan teknik untuk mencari konfigurasi simulasi secara otomatis yang menguji berbagai perilaku sistem penggerak otomatis. Penelitian ini dilakukan di bawah proyek ERATO-MMSD. Teknik yang diusulkan mengulangi uji coba simulasi menggunakan metode pengoptimalan yang disebut komputasi evolusioner sehingga menemukan konfigurasi simulasi yang mengarah ke fitur tertentu dari perilaku mengemudi seperti akselerasi tinggi, perlambatan, dan operasi kemudi. Penelitian ini telah dipresentasikan dalam ICST 2021. Credit: © National Institute of Informatics

Sebuah tim peneliti yang dipimpin oleh Fuyuki Ishikawa di National Institute of Informatics (NII, Jepang) telah mengembangkan teknik untuk mencari konfigurasi simulasi secara otomatis yang menguji berbagai perilaku sistem penggerak otomatis. Penelitian ini dilakukan di bawah proyek ERATO-MMSD yang didanai oleh Japan Science and Technology Agency (JST, Japan). Teknik yang diusulkan mengulangi uji coba simulasi menggunakan metode pengoptimalan yang disebut komputasi evolusioner sehingga menemukan konfigurasi simulasi yang mengarah ke fitur tertentu dari perilaku mengemudi seperti akselerasi tinggi, perlambatan, dan operasi kemudi. Hasil penelitian ini dipresentasikan di ICST 2021, konferensi unggulan tentang pengujian perangkat lunak yang diadakan selama 12-16 April 2021.

Latar Belakang

Perhatian lebih banyak difokuskan pada sistem penggerak otomatis (ADS) atau sistem asisten pengemudi tingkat lanjut. Model mobil baru dengan mengemudi otonom Level 3 sedang bermunculan, yang tidak memerlukan pengemudi manusia untuk mengawasi pengoperasian mengemudi dalam kondisi tertentu. Namun, fungsionalitas ADS yang mulai digunakan terbatas pada situasi tertentu seperti kemacetan lalu lintas di jalan raya atau rute tetap. Peningkatan keamanan dan keandalan diperlukan untuk penggunaan ADS di lingkungan dengan situasi yang sangat besar seperti daerah perkotaan.

Salah satu fungsi utama dalam ADS adalah perencanaan jalur, yang terus memperbarui arah dan kecepatan dengan memeriksa lingkungan sekitar, termasuk mobil dan pejalan kaki lain. Fungsionalitas perencanaan jalur tidak hanya menangani keselamatan tetapi juga berbagai aspek seperti tingkat akselerasi / deselerasi, pengoperasian kemudi, dan kesesuaian jalur.

Pengujian berbasis simulasi biasanya digunakan untuk ADS. Pendekatan tipikal adalah penguji manusia menghitung skenario. Contohnya adalah “ego-mobil akan berbelok ke kanan, tetapi sebuah mobil sedang mendekat dari arah yang berlawanan.” Namun, perilaku ADS dapat berbeda dalam skenario belok kanan yang sama, misalnya, mengambil belokan tanpa perlu mengerem atau melambat dan menunggu lama sebelum berbelok. Penting untuk memeriksa berbagai perilaku yang dapat diambil ADS sebelum menggunakannya di masyarakat. Namun, perilaku tertentu seperti perlambatan panjang tidak mungkin terjadi ketika peneliti menjalankan banyak simulasi di bawah konfigurasi dengan posisi berbeda dari mobil lain dan seterusnya. Selain itu, ADS memiliki lebih banyak kemungkinan perilaku spesifik, misalnya, kejadian akselerasi yang kuat dan jumlah operasi kemudi yang tinggi secara bersamaan. Sangat sulit mengonfigurasi simulasi untuk menyebabkan perilaku spesifik seperti itu dengan sengaja.

Dalam penelitian ini, para peneliti mengusulkan teknik untuk pembuatan pengujian yang secara otomatis mencari konfigurasi simulasi yang mengarah ke fitur tertentu dari perilaku mengemudi seperti akselerasi dan deselerasi tinggi serta operasi kemudi dalam jumlah tinggi. Mereka menggunakan teknik pengoptimalan yang disebut komputasi evolusioner, yang mengulangi uji coba simulasi untuk menyesuaikan konfigurasi sehingga perilaku mengemudi yang ditentukan bertahan untuk jangka waktu yang lama. Dengan cara ini, teknik dapat menemukan konfigurasi simulasi, seperti posisi mobil lain, yang mengarah ke fitur perilaku mengemudi yang diinginkan.

Teknik yang diusulkan juga menghindari hanya menghasilkan konfigurasi simulasi yang hanya mengarah pada situasi berbahaya seperti tabrakan. Oleh karena itu, ia mengungkapkan ciri-ciri perilaku mengemudi yang tidak terbatas pada situasi darurat. Selain itu, ia dapat mencari dan memicu kombinasi perilaku seperti kejadian serentak dari akselerasi tinggi dan jumlah operasi kemudi yang tinggi.

Kami menerapkan dan mengevaluasi teknik pengujian generasi ke program perencanaan jalur yang ditawarkan oleh Mazda. Teknik ini dapat menghasilkan perilaku spesifik yang jarang terjadi dalam simulasi acak. Misalnya, ini menghasilkan akselerasi yang kuat bersama dengan jumlah operasi kemudi yang tinggi serta akselerasi tinggi setelah perlambatan tinggi dalam skenario untuk belok kanan di persimpangan. Kasus-kasus ini hanya terjadi pada waktu yang sangat spesifik saat mobil lain memasuki persimpangan. Dengan cara ini, para peneliti menunjukkan bahwa teknik tersebut dapat dengan sengaja memicu kombinasi perilaku tertentu menggunakan konfigurasi simulasi yang sangat sulit dirancang oleh insinyur manusia.

Prospek masa depan

Penelitian ini dilakukan pada proyek JST ERATO-MMSD. Dalam proyek tersebut, para peneliti menyelidiki teknik lain untuk menemukan skenario simulasi yang menyebabkan kecelakaan, teknik yang menjelaskan penyebab kecelakaan, dan teknik yang memperbaiki perilaku untuk menghindari kerusakan yang terdeteksi. Penelitian kali ini bertujuan untuk meningkatkan kepercayaan terhadap keamanan sistem dengan memeriksa berbagai situasi, selain teknik untuk mendeteksi dan memperbaiki perilaku bermasalah. Dengan demikian, para peneliti menetapkan pendekatan komprehensif untuk pengujian ADS dengan kedua tes untuk mendeteksi masalah dan tes untuk memeriksa berbagai kasus, yang telah dilakukan untuk program perangkat lunak konvensional.

Akhir tahun 2020 menampilkan kompetisi untuk alat generasi pengujian pada sistem bantuan pengemudi tingkat lanjut (ADAS) (sehubungan dengan Lokakarya SBST yang akan diadakan pada Mei 2021). Proyek ERATO-MMSD mengirimkan alat yang disebut Frenetic ke kompetisi. Frenetik membuat hasil yang signifikan dalam hal tingkat kasus kegagalan yang dihasilkan dan keragamannya. Ini persis berasal dari pengalaman penelitian yang disebutkan di atas.

Para ilmuwan memberikan teknik pengujian komprehensif untuk ADS. Meskipun mereka menggunakan program yang disediakan oleh Mazda dalam evaluasi, tekniknya umum dan dapat disesuaikan untuk kebutuhan spesifik setiap perusahaan otomotif. Misalnya, mereka dapat menyesuaikan teknik dengan kerangka kerja yang muncul yang disebut keselamatan sensitif tanggung jawab yang diusulkan oleh Intel dan Mobileye. Mereka akan berusaha untuk membuat teknik tersedia dengan menyesuaikannya dengan standar internasional yang muncul, serta permintaan dari masing-masing perusahaan otomotif.

Komentar oleh Fuyuki Ishikawa

“Kami telah melakukan penelitian aktif pada komponen perencanaan jalur melalui kolaborasi dengan Mazda. Kami telah menetapkan serangkaian teknik pengujian dan debugging yang holistik, termasuk yang disebutkan di atas, dengan mengadaptasi teknik untuk kode program konvensional. Kunci dari teknik ini adalah mencari untuk solusi seperti pengujian yang diinginkan dan tindakan perbaikan yang diinginkan. Kami akan memperluas dan memvalidasi secara empiris teknik yang diberikan standar yang muncul serta tuntutan yang berbeda di setiap aplikasi ADS. ”


LUCIDGames: Sebuah teknik untuk merencanakan lintasan adaptif untuk kendaraan otonom


Informasi lebih lanjut:
Paolo Arcaini, dkk. Pola Penargetan Karakteristik Mengemudi dalam Menguji Sistem Mengemudi Otonom, Konferensi Internasional IEEE tentang Pengujian, Verifikasi, dan Validasi Perangkat Lunak (Jalur Industri ICST 2021)

Disediakan oleh Organisasi Riset Informasi dan Sistem

Kutipan: Teknik untuk secara otomatis menemukan konfigurasi simulasi untuk perilaku yang sulit diuji (2021, 3 Mei) diambil pada 3 Mei 2021 dari https://techxplore.com/news/2021-05-technique-automatically-simulation-configurations-behaviors.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Keluaran Singapore Hari Ini