FaultGene：面向自动驾驶系统硬件在环验证的 LLM 辅助故障增强测试生成
FaultGene: LLM-Assisted Fault-Augmented Test Generation for Hardware-in-the-Loop Validation of Autonomous Driving Systems
精选理由
用大模型自动生成硬件在环故障测试，提升自动驾驶验证覆盖率与效率
AI 摘要
对自动驾驶信息物理系统进行可靠验证，不仅需要测试正常驾驶行为，还需要测试由传感和嵌入式计算故障引发的失效。物理道路测试能够提供真实的系统行为，但成本高昂且难以复现；仿真支持可扩展评估，却无法完整捕捉依赖硬件的行为和故障传播。硬件在环（HIL）验证在模拟环境中运行真实嵌入式硬件上的驾驶软件栈，从而弥合了这一差距。然而，为 HIL 测试准备故障增强场景仍主要依赖人工流程，限制了测试覆盖率、可扩展性和效率。我们提出 FaultGene，这是一种由 LLM 辅助的框架，用于自动生成可执行的故障增强测试，以验证 HIL 故障韧性。给定一个基线 Scenic/CARLA 场景和结构化故障规范，FaultGene 可生成能够体现 HIL 级故障注入影响的故障增强测试用例。在离线优化阶段，系统利用语义一致性检查和执行级反馈，修正那些未能保留预期场景上下文或未能产生目标故障诱导退化的候选结果，并构建高质量监督数据以进行微调。最终生成器可在部署时直接生成故障增强测试，无需人工设计参考执行结果，也无需反复进行优化循环。