El futuro ya ha llegado. Parcialmente los automóviles autónomos ya están en nuestras carreteras hoy con sistemas automatizados como los sistemas de advertencia de frenado o de cambio de carril. Como componente central del vehículo, el software de estos sistemas debe cumplir de manera continua y confiable con criterios de alta calidadFranz Wotawa, del Instituto de Tecnología de Software de TU Graz, y su equipo, en estrecha colaboración con el equipo de pruebas de sistemas ciberfísicos de AVL, se dedican a los grandes desafíos de esta tecnología futura: la garantía de seguridad mediante la generación automática de pruebas exhaustivas.escenarios para simulaciones y compensación de errores internos del sistema mediante un método de control adaptativo.
Ontologías en lugar de kilómetros de prueba
Las pruebas de manejo por sí solas no proporcionan evidencia suficiente de la seguridad contra accidentes de los sistemas de conducción autónomos, explica Franz Wotawa: "Los vehículos autónomos tendrían que conducirse alrededor de 200 millones de kilómetros para demostrar su confiabilidad, especialmente en escenarios de accidentes. Eso es 10,000 vecesmás kilómetros de prueba de los que se requieren para los automóviles convencionales ". Sin embargo, los escenarios de prueba críticos con peligro para la vida y las extremidades no pueden reproducirse en las pruebas de conducción reales. Por lo tanto, los sistemas de conducción autónomos deben ser probados por su seguridad en simulaciones".En muchos escenarios, la pregunta sigue siendo si esto es suficiente y si se han considerado todos los posibles escenarios de accidente ", dice Wotawa. Mihai Nica de la AVL subraya esta afirmación:" para probar un sistema altamente autónomo, es necesario repensarcómo la industria automotriz debe validar y certificar los sistemas de asistencia avanzada para el conductor ADAS y los sistemas de conducción autónoma AD. Por lo tanto, AVL pparticipa con TU Graz para desarrollar un método y un flujo de trabajo únicos y altamente eficientes basados en la simulación y la generación de casos de prueba para demostrar el cumplimiento de los requisitos de Seguridad de la funcionalidad prevista SOTIF, calidad e integridad del sistema de los sistemas autónomos ".
Juntos, el equipo del proyecto está trabajando en métodos innovadores con los que se pueden simular muchos más escenarios de prueba que antes. El enfoque de los investigadores es el siguiente: en lugar de conducir millones de kilómetros, usan ontologías para describir el entorno de vehículos autónomos. Ontologíasson bases de conocimiento para el intercambio de información relevante dentro de un sistema de máquina. Por ejemplo, las interfaces, el comportamiento y las relaciones de las unidades individuales del sistema pueden comunicarse entre sí. En el caso de sistemas de conducción autónomos, estos serían "toma de decisiones", "tráficodescripción "o" piloto automático ". Los investigadores de Graz trabajaron con información básica detallada sobre entornos en escenarios de conducción y alimentaron las bases de conocimiento con detalles sobre la construcción de carreteras, intersecciones y similares, que AVL proporcionó. De esto, se pueden derivar escenarios de conducción, mediante el uso del algoritmo de generación de casos de prueba líder mundial de AVL, que prueba el comportamiento de los sistemas de conducción automatizados en simulationes
Debilidades adicionales descubiertas
Como parte del proyecto AutoDrive de la UE, los investigadores han utilizado dos algoritmos para convertir estas ontologías en modelos de entrada para pruebas combinatorias que posteriormente pueden ejecutarse utilizando entornos de simulación. "En las pruebas experimentales iniciales hemos descubierto serias debilidades en las funciones de conducción automatizada. Sinen estos escenarios de prueba generados automáticamente, las vulnerabilidades no se habrían detectado tan rápidamente: nueve de los 319 casos de prueba investigados han provocado accidentes ". Por ejemplo, en un escenario de prueba, un sistema de asistencia de frenado no pudo detectar a dos personas que venían de diferentes direccionesal mismo tiempo y uno de ellos fue golpeado gravemente debido a la maniobra de frenado iniciada. "Esto significa que con nuestro método, puede encontrar escenarios de prueba que son difíciles de probar en la realidad y en los que quizás ni siquiera pueda concentrarse,"dice Wotawa.
Este trabajo de Franz Wotawa et al. También se presentó en la revista "Information and Software Technology" a principios de 2020 y se superpone con el "Christian Doppler Laboratory for Methods for Quality Assurance of Cyber-Physical Systems". El laboratorio de CD esdirigido por Franz Wotawa, y AVL es un socio corporativo. Das Christian Doppler Labor CD-Labor wird von Franz Wotawa geleitet, die AVL ist Unternehmenspartnerin.
Compensación adaptativa de errores internos
Los sistemas autónomos y, en particular, los sistemas de conducción autónomos deben poder corregirse a sí mismos en caso de mal funcionamiento o cambios en las condiciones ambientales y alcanzar de manera confiable los estados objetivo dados en todo momento ".como control de crucero, rápidamente queda claro que en caso de errores, el conductor puede intervenir y siempre lo hará. Con vehículos totalmente autónomos, esto ya no es una opción, por lo que el sistema en sí debe poder actuar en consecuencia ", explica Franz Wotawa.
En una nueva publicación para el Diario de calidad del software , Franz Wotawa y su estudiante de doctorado Martin Zimmermann presentan un método de control que puede compensar de manera adaptativa los errores internos en el sistema de software. El método presentado selecciona acciones alternativas de tal manera que se pueden lograr estados objetivo predeterminados, mientras que proporciona un cierto gradode redundancia. La selección de acciones se basa en modelos de ponderación que se ajustan con el tiempo y miden la tasa de éxito de acciones específicas ya realizadas. Además del método, los investigadores también presentan una implementación de Java y su validación utilizando dos estudios de casos motivados por los requisitosdel campo de prácticas autónomo.
Fuente de la historia :
Materiales proporcionado por Universidad de Tecnología de Graz . Original escrito por Susanne Eigner. Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cite esta página :