近日，软件所软件工程中心自动驾驶测试团队在自动驾驶系统安全性违规检测方面取得进展。该研究提出了基于多目标遗传算法的自动驾驶系统仿真测试方法，能够有效生成对自动驾驶系统的挑战场景，暴露自动驾驶系统的安全性缺陷，并支持对自动驾驶系统的连续、长距离测试，提高仿真测试执行效率。 

　　自动驾驶系统是高度复杂的软硬件系统，其所处的运行环境高度复杂且多变，会面临许多无法预见的情况，系统安全性尤为重要。目前的自动驾驶仿真测试方法存在搜索成本高、测试效率低，生成场景挑战性不足、相似度高等问题，难以对自动驾驶系统进行充分全面的测试。 

　　针对此问题，团队提出一种基于多目标遗传算法的自动驾驶仿真测试方法MOSAT，首先基于原子性的驾驶行为（如跟车、变道、加/减速），构建对自动驾驶系统具有强干扰性的复合行为；然后采用多目标遗传算法，综合考虑自动驾驶车辆的扰动程度、预计碰撞时间、场景多样性三个目标，选择关键度高的测试场景进行变异，生成更多对抗性强、多样性高的测试场景；最后通过时空持续的仿真行驶环境，交替执行多个搜索进程，支持对自动驾驶系统的连续、长距离测试。MOSAT在L4级自动驾驶系统百度Apollo中发现了11种不同类型的安全违规行为，较之现有的自动驾驶仿真测试方法，在相同的道路和行驶条件下，多发现了6种类型的安全违规行为；场景生成与运行的时间消耗、和发现的安全性违规场景的差异度，也显著优于现有的自动驾驶仿真测试方法。 

　　相关成果以“MOSAT: Finding Safety Violations of Autonomous Driving Systems Using Multi-Objective Genetic Algorithm”为题被软件工程领域顶级学术会议ESEC/FSE 2022录用。该论文第一作者为博士生田浩翔，通讯作者为研究员吴国全、叶丹。该研究获国家重点研发计划、国家自然科学基金等项目支持。