Resumen

Los sistemas autónomos deben funcionar con éxito en entornos espaciales complejos que varían en el tiempo, incluso cuando se enfrentan a fallos del sistema que pueden producirse durante una misión. Por consiguiente, la evaluación de la robustez, o capacidad de funcionar correctamente en condiciones inesperadas, del software de control de vehículos autónomos es una cuestión cada vez más importante en las pruebas de software. Se necesitan nuevos métodos para generar automáticamente casos de prueba para comprobar la robustez del software de control de vehículos autónomos en simulación de bucle cerrado. Se utilizaron técnicas de prueba basadas en la búsqueda para generar automáticamente casos de prueba, consistentes en condiciones iniciales y secuencias de fallos, con la intención de desafiar al software de control más que los casos de prueba generados con los métodos actuales. Se utilizaron dos métodos diferentes de pruebas basadas en la búsqueda, algoritmos genéticos y optimización basada en sustitutos, para generar casos de prueba para un vehículo aéreo no tripulado simulado que intentaba volar a través de una entrada. La eficacia de los métodos basados en la búsqueda para generar casos de prueba difíciles se comparó tanto con una referencia real (prueba combinatoria completa) como con el método más utilizado en la actualidad (prueba Monte Carlo). Las técnicas de prueba basadas en la búsqueda demostraron un mejor rendimiento que las pruebas de Monte Carlo para las dos métricas de rendimiento de la generación de casos de prueba: (1) encontrar el caso de prueba más desafiante y (2) encontrar el conjunto de cincuenta casos de prueba con el mayor grado medio de desafío.

• Materias:Radiación Modelado Campos de tensión Nanohaces elásticos Termoelectromecánico
• Subjects:Radiation Modeling Strain fields Elastic nanobeams Thermoelectromechanical
• Palabras claves:casos de prueba, software de control de vehículos autónomos, pruebas Monte Carlo, técnicas de prueba, vehículo aéreo no tripulado simulado, métricas de rendimiento de generación de casos de prueba, casos de prueba desafiantes, casos de prueba desafiantes, pruebas combinatorias completas, grado medio más alto
• Keywords:test cases, autonomous vehicle control software, Monte Carlo testing, testing techniques, simulated unmanned aerial vehicle, test case generation performance metrics, challenging test case, challenging test cases, full combinatorial testing, highest mean degree