近日，第34届软件测试与分析国际会议ACM SIGSOFT International Symposium on Software Testing and Analysis（ISSTA 2025）在挪威特隆赫姆举办。软件学院、国际信息与软件学院先进工业软件与软件工程研究所江贺教授团队的任志磊教授所著论文《基于强化学习的Gazebo机器人仿真器模糊测试》（Reinforcement Learning-Based Fuzz Testing for the Gazebo Robotic Simulator）荣获杰出论文奖（Distinguished Paper Award）。论文通讯作者为我校江贺教授和任志磊教授，李晓晨副教授和博士生齐观潇、硕士生李一韬参与了技术设计与实现研究。武汉大学玄跻峰教授提供了实验支持。本研究得到国家自然科学基金重点项目资助，成果为机器人仿真器及相关复杂系统的可靠性保障提供了新的解决思路和技术支持。

本研究针对广泛用于机器人研发的仿真器Gazebo，提出首个专用的模糊测试框架GzFuzz，旨在突破传统模糊测试难以处理严格输入语法和庞大状态空间的瓶颈。Gazebo作为机器人模拟领域的关键工具，其安全性和可靠性至关重要，然而传统模糊测试方法因无法有效处理其严格的输入语法和庞大的状态空间而难以应用。GzFuzz通过引入语法感知的可行命令生成机制，确保生成的测试命令在语法和语义上符合Gazebo的严格要求，从而解决了传统模糊测试方法因输入格式错误而被立即拒绝的问题。同时，GzFuzz引入强化学习机制智能选择命令生成器，以在庞大的状态空间中有效探索仿真器的深层执行路径，提高了代码覆盖率和故障发现能力。实验表明，GzFuzz故障发现能力显著优于已有方法AFL++/Fuzzotron，代码覆盖率提升约234%至360%，证明GzFuzz在检测Gazebo机器人模拟器中的软件故障方面的有效性和优越性。为积极回馈开源社区、助力项目的持续改进与完善，研究团队已将所有检测到的故障整理并提交至Gazebo社区，在不到半年内团队成功检测到25个Gazebo崩溃故障，其中24个已被开发者确认或修复。

软件测试与分析国际会议ACM SIGSOFT International Symposium on Software Testing and Analysis是软件工程测试与分析领域最具影响力的国际会议，为中国计算机学会（CCF）推荐的A类会议，在软件工程领域享有盛誉。该论文是本届会议首轮录用的23篇论文之一（录用率5%），最终从550篇投稿中脱颖而出，荣获杰出论文奖。

近年来，软件学院、国际信息与软件学院在软件工程领域持续深耕，聚焦工业软件、嵌入式软件等关键方向领域构建起全链条自主创新体系。在工业软件领域，学院已构建具有自主知识产权的核心理论体系，国际影响力持续提升；在工业软件可靠性保障方面，已形成研究基础扎实、工程能力突出的技术体系。相关成果发表于国际顶级会议ICSE、ASE、FSE、ISSTA、DAC、ICCV，以及顶级期刊TVCG、TSE、TOSEM等，并在航空航天、装备制造等领域落地应用。此次获奖体现了学院在工业软件前沿研究成果获得国际学术界和工业界的权威认可。未来，学院将继续深化在工业软件方向的科学研究，解决关键技术领域的“卡脖子”问题，不断增强我国工业软件自主研发能力，提高工业软件开发效率和质量。