CooTest: V2X通信システムのための自動テストアプローチ

複雑な運転環境を正確に認識することは、自律走行車の安全な運行にとって重要です。深層学習と通信技術の著しい進展により、Vehicle-to-Everything (V2X) 協調は、単一エージェント認知システムにおける遠方物体や遮蔽の感知の制限に対処する可能性があります。しかし、素晴らしい進展にもかかわらず、いくつかの通信上の課題が多車両協調認知の効果を損なう可能性があります。深層ニューラルネットワーク (DNN) の解釈性の低さと通信メカニズムの高い複雑さが、自律走行システム (ADS) の協調認知における従来のテスト技術の適用を難しくしています。さらに、手動データ収集とラベリングに依存する既存のテスト技術は、時間がかかり過ぎて高額になります。本論文では、V2X志向の協調認知モジュールのための初の自動テストツールであるCooTestを設計し実装しました。CooTestは、V2X特有の変形関係を考案し、さまざまな協調運転要因の影響を反映させる通信および天候変換オペレーターを装備しています。さらに、変換シーン生成プロセスに対してV2X志向のガイダンス戦略を採用し、テスト効率を向上させます。CooTestをさまざまな融合スキームを持つ複数の協調認知モデルで実験し、異なるタスクに対する性能を評価します。実験結果は、CooTestがさまざまなV2X志向の運転条件下で誤った動作を効果的に検出できることを示しています。また、結果は、生成されたシーンで再訓練することで検出の平均精度を改善し、誤った協調エラーを減少させることができることを確認します。