主讲人简介：郑曦博士于2015年获得德克萨斯大学奥斯汀分校软件工程博士学位。2005年至2012年担任Menulog Australia（澳版美团）的首席解决方案架构师，目前是澳大利亚麦考瑞大学智能系统研究小组（ITSEG.ORG）主任、计算学院国际参与主任、高级讲师（相当于美国的副教授）和软件工程副项目负责人。郑博士的研究兴趣包括物联网、智能软件工程、机器学习安全、人工智能和边缘智能。他在澳大利亚研究委员会（Linkage and Discovery）和Data61（CRP）项目中获得了超过120万美元的竞争性资金，这些项目涉及安全分析、模型测试和验证以及自动驾驶汽车上可信的人工智能。
内容简介：自动驾驶已显示出改革现代交通的巨大潜力。然而，它的可靠性和安全性引起了许多关注和担忧。与传统的软件系统相比，自动驾驶系统（ADS）通常使用深度神经网络和基于逻辑的模块，这种新的范式对软件测试提出了独特的挑战。尽管最近开发了新的ADS测试技术，但尚不清楚这些技术在多大程度上满足了ADS从业者的需求。为了填补这一空白，将介绍其中的一些工作。第一项工作是减少并优先考虑多模块自动驾驶系统的测试（该项工作被FSE’22，CCF A接收）。第二项工作是综合更全面的角度确定自动驾驶系统测试的当前实践、需求和差距（该项工作被FSE’22，CCF A接受）。第三项工作是分析深度学习驱动模型中的鲁棒性问题（该项工作被PerCom’20，CORE A*接受）。第四项工作是根据自动驾驶模型的交通规则生成测试用例（该项工作被TSE’22，CCF A接受）。还将介绍自动驾驶系统的一些正在进行和未来的工作。
