論文の概要: Test Case Generation for Drivability Requirements of an Automotive
Cruise Controller: An Experience with an Industrial Simulator
- arxiv url: http://arxiv.org/abs/2305.18608v1
- Date: Mon, 29 May 2023 20:58:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 05:04:27.807991
- Title: Test Case Generation for Drivability Requirements of an Automotive
Cruise Controller: An Experience with an Industrial Simulator
- Title（参考訳）: 自動車用クルーズコントローラの乾燥性要求のためのテストケース生成:産業シミュレータを用いた経験
- Authors: Federico Formica, Nicholas Petrunti, Lucas Bruck, Vera Pantelic, Mark
Lawford, Claudio Menghi
- Abstract要約: 自動車ソフトウェア開発では,機能要件と乾燥性要件の両方の違反を検出するために,システムをテストする必要がある。
本稿では,自動検索ベースのソフトウェアテスティングフレームワークの有用性を評価する。
- 参考スコア（独自算出の注目度）: 3.2610650450951364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automotive software development requires engineers to test their systems to
detect violations of both functional and drivability requirements. Functional
requirements define the functionality of the automotive software. Drivability
requirements refer to the driver's perception of the interactions with the
vehicle; for example, they typically require limiting the acceleration and jerk
perceived by the driver within given thresholds. While functional requirements
are extensively considered by the research literature, drivability requirements
garner less attention. This industrial paper describes our experience assessing
the usefulness of an automated search-based software testing (SBST) framework
in generating failure-revealing test cases for functional and drivability
requirements. Our experience concerns the VI-CarRealTime simulator, an
industrial virtual modeling and simulation environment widely used in the
automotive domain. We designed a Cruise Control system in Simulink for a
four-wheel vehicle, in an iterative fashion, by producing 21 model versions. We
used the SBST framework for each version of the model to search for
failure-revealing test cases revealing requirement violations. Our results show
that the SBST framework successfully identified a failure-revealing test case
for 66.7% of our model versions, requiring, on average, 245.9s and 3.8
iterations. We present lessons learned, reflect on the generality of our
results, and discuss how our results improve the state of practice.
- Abstract（参考訳）: 自動車ソフトウェア開発では、機能要件とドレーバビリティ要件の両方の違反を検出するために、システムをテストする必要がある。
機能要件は、自動車ソフトウェアの機能を定義する。
ドレイバビリティ要件(driability requirements)とは、車両との相互作用に対するドライバーの認識のことであり、典型的には、与えられたしきい値内でドライバーが知覚する加速度とジャークを制限する必要がある。
機能要件は研究文献によって広く検討されているが、ドリバビリティ要件はそれほど注目されていない。
本稿では,自動検索ベースソフトウェアテスト(SBST)フレームワークを用いて,機能的および乾燥性要件に対するフェールリベレーティングテストケースを作成した経験について述べる。
自動車分野で広く使われている産業用仮想モデリングおよびシミュレーション環境であるvi-carrealtime simulatorについて報告する。
我々は,シムリンクのクルーズコントロールシステムを,21種類のモデルを生産し,反復的に4輪車用に設計した。
我々は、モデルの各バージョンでSBSTフレームワークを使用して、要求違反を明らかにした障害発見テストケースを検索した。
結果から,SBSTフレームワークが66.7%のモデルバージョンに対して,平均245.9回,3.8回,フェールリベリングテストケースの特定に成功した。
得られた教訓を提示し,結果の汎用性を反映し,結果が実践状況をどのように改善するかを議論する。
関連論文リスト
- Test Case Generation for Simulink Models: An Experience from the E-Bike Domain [3.25351710106627]
我々は,サイバー物理システム要件に対するフェールレベリングテストケースの生成において,検索ベースソフトウェアテスト(SBST)の有効性と効率を評価する。
本研究対象は電動自転車(e-Bike)ドメイン内であり,e-Bikeモータのソフトウェアコントローラに関するものである。
HECATEは83%(36例中30例)の障害発見試験を成功裏に確認した。
論文 参考訳（メタデータ） (2025-01-10T08:53:42Z) - Guiding Attention in End-to-End Driving Models [49.762868784033785]
模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。
トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。
従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
論文 参考訳（メタデータ） (2024-04-30T23:18:51Z) - AI-augmented Automation for Real Driving Prediction: an Industrial Use Case [1.9131868049527914]
本稿では,機械学習とモデルベース工学に基づくAI拡張ソリューションを開発する実践経験について報告する。
特に、実運転条件で収集された履歴データを利用して、高忠実性駆動シミュレータを合成する。
この実践的経験に基づいて,実運転行動に基づく予測を支援する概念的枠組みも提案する。
論文 参考訳（メタデータ） (2024-04-03T16:19:47Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - Evaluating Driver Readiness in Conditionally Automated Vehicles from
Eye-Tracking Data and Head Pose [3.637162892228131]
SAEレベル3または部分的に自動化された車両では、ドライバーは必要な時に介入する準備ができている必要がある。
本稿では,頭部ポーズ特徴と視線追跡データを組み合わせることで,運転準備性評価の包括的分析を行う。
両特徴セットを組み合わせた双方向LSTMアーキテクチャは、DMDデータセット上で平均0.363の絶対誤差を達成する。
論文 参考訳（メタデータ） (2024-01-20T17:32:52Z) - A Requirements-Driven Platform for Validating Field Operations of Small
Uncrewed Aerial Vehicles [48.67061953896227]
DroneReqValidator (DRV)は、sUAS開発者が運用コンテキストを定義し、複数のsUASミッション要件を設定し、安全性特性を指定し、独自のsUASアプリケーションを高忠実な3D環境にデプロイすることを可能にする。
DRVモニタリングシステムは、sUASと環境からランタイムデータを収集し、安全特性のコンプライアンスを分析し、違反をキャプチャする。
論文 参考訳（メタデータ） (2023-07-01T02:03:49Z) - ROAD-R: The Autonomous Driving Dataset with Logical Requirements [54.608762221119406]
論理要求付きROADイベント認識データセット(ROAD-R)を紹介する。
ROAD-Rは、論理的制約として表現された要件を持つ、自動運転のための最初の公開データセットである。
我々は、(i)パフォーマンスが良く、(ii)要求自体に準拠することが保証されているモデルを作成するためにそれらを活用できることを示します。
論文 参考訳（メタデータ） (2022-10-04T13:22:19Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳（メタデータ） (2022-09-20T11:23:51Z) - Augmented Driver Behavior Models for High-Fidelity Simulation Study of
Crash Detection Algorithms [2.064612766965483]
人力車と自動車の両方を含むハイブリッド輸送システムのシミュレーションプラットフォームを提案する。
我々は、人間の運転タスクを分解し、大規模な交通シナリオをシミュレートするためのモジュラーアプローチを提供する。
我々は、大きな駆動データセットを分析し、異なる駆動特性を最もよく記述する表現的パラメータを抽出する。
論文 参考訳（メタデータ） (2022-08-10T19:59:16Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - SilGAN: Generating driving maneuvers for scenario-based
software-in-the-loop testing [0.0]
SilGANは、自動車用ソフトウェア・イン・ザ・ループテストの仕様、刺激発生、自動化を容易にする、深い生成モデルである。
モデルはフィールド内の車両から記録されたデータを使って訓練される。
論文 参考訳（メタデータ） (2021-07-05T07:17:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。