Yesterday's Interviews for Today's Engineers: Retrospective Perceptions and a Work-Aligned Hiring Framework (2005-2026)
Independent Researcher Email
针对技术面试与岗位脱节的问题,基于911名受访者回顾和公开问题分析,提出基于工单的务实评估框架,使面试成为工作的压缩版本。
2026-09-15 cs.SE
Safely Entering the Deep: A Review of Verification and Validation for Machine Learning and a Challenge Elicitation in the Automotive Industry
深度神经网络(DNN)将成为汽车软件工程的基石。然而,使用DNN开发系统为安全评估带来了新的挑战。本文综述了基于机器学习的安全关键系统验证和确认的最新进展。此外,我们在瑞典与汽车专家一起举办了一系列关于DNN的感知研讨会,证实ISO 26262在很大程度上违反了DNN的性质。我们建议航空航天到汽车的知识转移和基于系统的安全方法,例如,安全笼架构和模拟系统测试用例。
2018-12-13 cs.SE
Why and How to Balance Alignment and Diversity of Requirements Engineering Practices in Automotive
在大型汽车公司中,各种需求工程(RE)实践在团队中使用。RE实践体现在需求信息模型(RIM)中,RIM定义了应该为需求捕获什么概念和信息。需要来自组织不同部门的从业者的协作来定义合适的RIM,该RIM平衡对单个团队中的不同实践的支持与共享视图和系统级别上的团队支持所需的一致性。对于这项具有挑战性的任务,没有任何指导。本文提出了一种混合方法的研究,以检查的作用,RIMs在平衡对齐和多样性的RE实践在四个汽车公司。我们的分析是基于系统工程工具的数据,11个半结构化访谈,以及一项调查,以验证调查结果和建议。我们发现,在定义RIM时,平衡可再生能源实践的一致性和多样性是很重要的。我们进一步调查了实现这种平衡的推动因素以及从业者为实现这种平衡而采取的行动。从这些因素中,我们得出并评估了在实践中管理RIM的建议,这些建议考虑了需求的生命周期,并允许在早期开发中跨子学科进行多样化的实践,同时强制执行接近发布的需求的一致性。
2020-01-06 cs.SE
Boundary Objects and their Use in Agile Systems Engineering
敏捷方法越来越多地被引入汽车公司,试图在系统开发中变得更加高效和灵活。敏捷实践的采用影响了利益相关者之间的沟通,但也使公司重新思考工件和文档(如需求,安全合规文档和架构模型)的管理。从业者的目标是减少不相关的文档,但面临着缺乏指导来确定需要什么工件以及应该如何管理它们。本文介绍了工件,挑战,指导方针,并在汽车系统工程工件的持续管理实践的基础上,对该主题的理论和经验的理解。与来自六家汽车公司的53名从业者合作,我们进行了一项设计科学研究,包括访谈,问卷调查,焦点小组和系统工程工具的实际数据分析。该指南建议区分在公司中不同参与者之间共享的工件(边界对象)和在团队中使用的工件(本地相关工件)。我们提出了一种分析方法来确定边界对象和三种做法来管理系统工程工件在工业中。
2019-04-27 cs.SE
Test Case Generation for Drivability Requirements of an Automotive Cruise Controller: An Experience with an Industrial Simulator
汽车软件开发要求工程师测试他们的系统,以检测功能和驾驶性能要求的违规行为。功能需求定义了汽车软件的功能。驾驶性能要求是指驾驶员对与车辆相互作用的感知;例如,它们通常要求将驾驶员感知的加速度和加加速度限制在给定阈值内。虽然研究文献广泛考虑了功能要求,但驾驶性能要求却很少受到关注。这篇工业论文描述了我们的经验,评估自动搜索为基础的软件测试(SBST)框架的有用性,在生成故障揭示测试用例的功能和驾驶性能的要求。我们的经验涉及VI-CarRealTime模拟器,这是一种广泛应用于汽车领域的工业虚拟建模和仿真环境。我们在Simulink中为四轮车设计了一个巡航控制系统,以迭代的方式,通过生产21个模型版本。我们对模型的每个版本使用SBST框架来搜索揭示需求违规的失败揭示测试用例。我们的研究结果表明,SBST框架成功地确定了66.7%的模型版本的故障揭示测试用例,平均需要245.9s和3.8次迭代。我们提出了经验教训,反思我们的结果的一般性,并讨论我们的结果如何改善实践状态。
2023-05-29 cs.SE
A Method for the Runtime Validation of AI-based Environment Perception in Automated Driving System
Technische Universität Clausthal(克劳斯塔尔工业大学);Institute for Software and Systems Engineering(软件与系统工程研究所)
本文提出一种功能监控器,用于对自动驾驶系统中基于AI的双重环境感知进行运行时监控,并通过模型车实验验证其适用性。
2024-12-21 cs.AI cs.RO cs.SE
Towards Understanding and Applying Security Assurance Cases for Automotive Systems
本文提出符合 ISO/SAE-21434 且集成质量保证的 CASCADE 方法,用于创建汽车安全保证案例,并经大型 OEM 专家评估验证其工业适配性与可扩展性。
2024-09-05 cs.CR cs.SE
Scalpel: Automotive Deep Learning Framework Testing via Assembling Model Components
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Hong Kong Polytechnic University(香港理工大学)
针对现有DL框架测试方法因生成模型缺乏自动驾驶所需三项核心能力而无法检测汽车DL框架质量问题的现状,提出Scalpel方法,通过组装模型组件生成测试输入,结合差分测试有效检测汽车DL框架缺陷。
2025-10-30 cs.SE
Industry Practitioners Perspectives on AI Model Quality: Perceptions, Challenges, and Solutions
Singapore Management University(新加坡管理大学);University of Alberta(阿尔伯塔大学);University of Oklahoma(俄克拉荷马大学);University of Victoria(维多利亚大学)
研究通过访谈和调查,探讨行业从业者对AI模型质量属性的感知、挑战及解决方案,发现不同情境下优先级不同,数据不平衡影响模型正确性,主动学习等策略被广泛应用。
2026-04-28 cs.SE
The perception of Architectural Smells in industrial practice
建筑技术债务(ATD)被认为是工业实践中最重要的技术债务类型。在这项研究中,我们采访了21名软件工程师和架构师,调查一种特定类型的ATD,即建筑气味(AS)。我们的目标是更好地理解AS现象,并支持从业者更好地管理它,研究人员提供相关支持。本研究的结果提供了见解从业者如何看待AS和他们如何介绍他们,他们经历的维护和发展的问题,并与AS的存在,以及他们采用什么样的做法和工具来管理AS。
2021-10-13 cs.SE
Causal Factors, Benefits and Challenges of Test-Driven Development: Practitioner Perceptions
本报告描述了一个组织采用测试驱动开发(TDD)实践的经验,作为中期软件项目的一部分,采用极限编程作为一种方法。在这个项目的三年中,团队的TDD经验与他们在其他正在进行的项目中的非TDD经验进行了比较。在这种情况下,使用TDD的好处和挑战的看法是通过五个半结构化的采访主要团队成员收集。他们的经验表明,TDD的使用一般是积极的,并探讨其原因,以加深对TDD实践的理解及其对代码质量,应用程序质量和开发生产力的影响。总结了经验教训,以帮助他人采用和实施TDD实践,并提出了一些潜在的进一步研究领域。
2021-01-29 cs.SE
RoboREIT: an Interactive Robotic Tutor with Instructive Feedback Component for Requirements Elicitation Interview Training
Boğaziçi University(海峡大学)
RoboREIT是一种交互式机器人导师,通过人形机器人模拟访谈并提供情境化反馈,解决需求获取访谈培训的可扩展性问题,首次将社交机器人用于该教育领域,获得81%的有用性认可。
2023-04-15 cs.HC cs.RO cs.SE
A Causal Probabilistic Framework for Perception-Informed Closed-Loop Simulation of Autonomous Driving
ETH Zürich(苏黎世联邦理工学院);KTH Royal Institute of Technology(皇家理工学院);University of Science and Technology of China(中国科学技术大学)
提出一种因果概率模型框架,将感知误差注入标准仿真环境,揭示理想SIL无法捕获的潜在风险,为SOTIF验证提供可扩展路径。
2026-06-05 cs.RO cs.SE
An Industrial Experience Report about Challenges from Continuous Monitoring, Improvement, and Deployment for Autonomous Driving Features
本文通过专家访谈和文献研究,识别并讨论了汽车领域采用持续开发、部署与监控(CDDM)的特定挑战,以填补增强安全自动驾驶系统软件开发的研究空白。
2024-03-14 cs.SE cs.SY eess.SY
Setting AI in context: A case study on defining the context and operational design domain for automated driving
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学);Veoneer Sweden AB(维宁尔瑞典有限公司)
[背景和动机]对于自动驾驶系统,需要了解操作背景,以便对性能和安全性进行保证。操作设计域(ODD)是操作上下文的抽象,它的定义是系统开发过程的一个组成部分。[问题/ problem]在汽车行业等多样化和分布式开发环境中,如何清晰地定义和记录操作上下文仍然存在重大的不确定性。本案例研究调查了使用机器学习进行自动驾驶的感知功能开发的上下文定义的挑战。[主要观点/结果]基于半结构化访谈数据的定性分析,案例研究表明,整个行业的上下文定义缺乏标准化,导致导出ODD的过程中存在模糊性,缺少关于操作上下文的假设的文档,以及缺乏功能开发人员参与上下文定义。[贡献]结果概述了汽车供应商公司在使用机器学习定义系统的操作环境时所遇到的挑战。此外,该研究还从从业人员的角度收集了潜在解决方案的想法。
2022-01-27 cs.LG cs.SE