蒲戈光

（華東師范大學軟件工程學院 上海 200062）

無人駕駛是未來交通的必然.當今，無人駕駛汽車在限制場景中已經展示出廣泛的應用前景，如園區(qū)的物流配送、礦區(qū)的自動運載、固定路線的垃圾清除等.在無人駕駛的大規(guī)模應用之前，急需解決的挑戰(zhàn)是無人駕駛的安全性.全球各國已經充分意識到了無人駕駛安全的重要性，不僅發(fā)布了多角度的無人駕駛安全技術標準，也出臺了相關政策用以規(guī)范無人駕駛車輛的安全管理.黑盒驗證是提高無人駕駛系統(tǒng)安全性的關鍵解決途徑.黑盒驗證是指無人駕駛的軟硬件研發(fā)完成之后，對其系統(tǒng)進行測試確認，最大程度保證其系統(tǒng)安全性.黑盒驗證可以使用硬件在環(huán)測試，也可以使用軟件模擬硬件進行仿真測試.仿真測試不但能高效地發(fā)現系統(tǒng)的安全性問題，也能極大地節(jié)約研發(fā)成本.復旦大學的楊珉教授團隊在無人駕駛的安全性方面做了深入探索，并對仿真模糊測試技術進行了回顧與展望.

顯然，仿真測試的有效性直接由虛擬場景配置的質量決定，即測試人員能否設計出易導致無人駕駛安全事故的虛擬場景.設計事故場景絕非易事，究其原因是因為虛擬場景中包含著種類豐富的待配置要素，如天氣環(huán)境、道路地圖和交通車流等，這些要素的排列組合將構成難以估量的場景搜索空間.為有效應對該難題，前沿的學術工作正嘗試將傳統(tǒng)的模糊測試技術與仿真測試相結合，構成面向無人駕駛系統(tǒng)的仿真模糊測試.該技術的基本原理如下：給定數量有限的初始場景配置，通過類模糊測試的變異操作來自動調整種子場景中的可配置要素（如將天氣參數由晴天變更為雨天），以此源源不斷地生成新的更易導致事故的場景配置.基于上述原理，仿真模糊測試技術即可自動化地探索龐大的場景搜索空間，并從中挖掘出易導致無人車事故的駕駛場景.

仿真模糊測試工作已在無人駕駛系統(tǒng)的安全測評中初見成效，但面向該技術的研究仍在起步階段，相關的研究成果還無法系統(tǒng)性地緩解無人駕駛系統(tǒng)的功能安全問題.在此背景下，楊珉教授團隊撰寫的論文“面向無人駕駛系統(tǒng)的仿真模糊測試：現狀、挑戰(zhàn)與展望”一文首先梳理了仿真模糊測試的基本架構以及研究現狀，隨后總結了已有工作的不足與面臨的挑戰(zhàn)，并最終提出了針對性的優(yōu)化方案.為驗證這些優(yōu)化方案的有效性和先進性，該文進一步將其用于主流開源無人駕駛系統(tǒng)Apollo 和Autoware 的安全評測中.結果顯示，這些方案可以極大地提升現有仿真模糊測試技術的事故挖掘與分析能力.在此基礎上，該文進一步展望了該領域中可能的研究方向，為后續(xù)工作提供指導性建議.

面向無人駕駛系統(tǒng)的仿真模糊測試是一種極具前途的安全保障技術.通過對該技術的回顧與展望，將會給從事無人駕駛安全的研究人員提供新視角.我相信，仿真模糊測試不會是無人駕駛安全性保障的唯一技術，希望本文能夠啟發(fā)廣大科研人員，進一步對無人駕駛的安全性進行深入與持久的研究與探索，以發(fā)現更加有效的無人系統(tǒng)的安全性保障技術.通過安全性技術的創(chuàng)新與無人駕駛產業(yè)的迭代，無人駕駛汽車大規(guī)模落地也許就在不久的將來.