Automatické generování testů pro validaci systémů ADAS

Abstract

Zajištění nebo zaručení bezpečnosti autonomních systémů zůstává pro výrobce automobilů jednou z hlavních výzev, zejména proto, že technologie zabudované do těchto systémů jsou stále složitější. Výsledkem je, že zkušební metody k jejich validaci a tím k zajištění jejich bezpečnosti musí být nejúčinnější a nejúčinnější. Právě v tomto pořadí myšlenek jsem byl pověřen tématem týkajícím se "optimalizace procesu validace ADAS - AD". Moje práce se zabývala automatickým generováním testovacích scénářů pro validaci funkcí ADAS a také zlepšením nástroje pro výsledky testů po zpracování. Pro generování scénáře byl použit stochastický přístup využívající algoritmus Markov Chain Monte Carlo, založený na definované sadě parametrů, které by mohly ovlivnit komponenty podle konkrétní funkce a jejich pravděpodobnosti výskytu.

Ensuring or guaranteeing the safety of autonomous systems remains one of the major challenges for car manufacturers, especially as the technologies embedded in these systems become more and more complex. As a result, test methods to validate them and thus guarantee their safety must be the most efficient and effective. It is in this order of thought that I was entrusted with the subject relating to the "optimisation of the ADAS - AD validation process". My work was on the automatic generation of test scenarios for the validation of ADAS functions, as well as the improvement of the tool for post-processing test results. A stochastic approach using the Markov Chain Monte Carlo algorithm has been used for scenario generation, based on a defined set of parameters that could influence the components according to a specific function and their probabilities of occurrence.