Moving Forward to a True Autonomous Driving: Avoiding Fatal Crashes Using Metamorphic Testing

Souza, Mailson Dennis Trajano de

Resumo

O desenvolvimento de aplicações para carros autônomos tem se tornado cada vez mais comum nos últimos anos devido às diversas vantagens que este tipo de tecnologia pode nos proporcionar, como a diminuição de acidentes de trânsito e a acessibilidade para pessoas incapacitadas de dirigir. Porém, a realização de testes em sistemas autônomos acaba por se deparar com inúmeras barreiras, tais como o perigo de testar estes sistemas em um ambiente de mundo real e a dificuldade de validar se o comportamento do carro está correto ou não. Tais fatores influenciaram para a primeira fatalidade registrada com relação a um carro autônomo, ocorrida no ano de 2018, em Tempe, Arizona. Nos últimos anos, a abordagem de Testes Metamórficos tem se mostrado como uma ótima alternativa para a garantia da qualidade destes sistemas expondo falhas que poderiam resultar em demais fatalidades. Porém, ainda não é possível afirmar quais fatores podem ter maior influência na causa destas falhas pelos custos e perigos da realização destes testes em mundo real. Objetivando auxiliar no mapeamento desses fatores, esse trabalho utiliza um simulador para sistemas de carros autônomos, o CARLA, junto de um sistema de rede neural treinado, por meio da abordagem Learn by Cheating, e aplica um conjunto de Testes Metamórficos que possibilita analisar e evidenciar, por meio de várias execuções, quais fatores possuem maior influência na causa destas possíveis falhas. Pelos experimentos realizados é possível analisar, por meio de um conjunto de 6 relações metamórficas, que a chuva possui uma influência em falhas equivalente a 14,6% do total de execuções realizadas, além de mostrar influência absoluta na execução de uma das rotas propostas.

Citação

Artigo Completo

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.