软件学报

作者：吴慧慧，张亚楠，侯刚，渡边政彦，王洁，孔维强

单位：吴慧慧，大连理工大学 软件学院, 辽宁 大连 116024;辽宁省泛在网络与服务软件重点实验室, 辽宁 大连 11602411,张亚楠，中汽数据有限公司, 天津 30030002,侯刚，大连理工大学 软件学院, 辽宁 大连 116024;辽宁省泛在网络与服务软件重点实验室, 辽宁 大连 11602403,渡边政彦，NTT DATA Automobiligence Research Center, Yokohama 222-0033, Japan04,王洁，大连理工大学 软件学院, 辽宁 大连 116024;辽宁省泛在网络与服务软件重点实验室, 辽宁 大连 11602405,孔维强，大连理工大学 软件学院, 辽宁 大连 116024;辽宁省泛在网络与服务软件重点实验室, 辽宁 大连 11602406

关键词：无人驾驶汽车;转向角;自动驾驶汽车;凸优化;安全性验证

基金：国家重点研发计划（2020YFB2009500）；中央高校基本科研业务费专项资金（DUT20TD107，DUT22ZD203）；NTTDATA智能汽车研究所

无人驾驶汽车系统过大的输入-输出空间（即输入和输出的所有可能组合），使得为其提供形式化保证变成一项具有挑战性的任务.提出了一种自动验证技术，通过结合凸优化和深度学习验证工具DLV来保障无人驾驶汽车的转向角安全.DLV是一个用于自动验证图像分类神经网络安全性的框架.运用故障安全轨迹规划中的凸优化技术解决预测转向角的判断问题，然后拓展DLV来实现无人驾驶汽车转向角安全性的验证.在NVIDIA的端到端无人驾驶架构上说明所提出方法的优势，该架构是许多现代无人驾驶汽车的关键组成部分.实验结果表明：对于给定的区域和操作集，如果存在对抗性错误分类（即不正确的转向决策），该技术可以成功地找到，因此可以实现安全验证（如果在所有DNN层都没有发现错误分类，在这种情况下，网络关于转向决策可以说是稳定或可靠的）或证伪（在这种情况下，这些对抗性反例可以用于后续微调网络）.

来源：2023年第6期

《软件学报》期刊编辑部

查看软件学报杂志2023年第6期