자동차 도메인에서 차량 내 장면 이해 (In-Car Scene Understanding, ISU)는 운전자 주의 분산과 같은 안전에 치명적인 이벤트를 감지할 수 있게 하며, 차량 내 장면을 분석하고 환경(예: 주변 조명)을 조정함으로써 운전자나 승객을 지원합니다. 업계에서는 카메라로 기록된 차량 내 장면을 해석하고 다운스트림 추론 (downstream reasoning) 작업을 위한 정보를 추출하기 위해 시각-언어 모델 (Vision-Language Models, VLMs)을 점점 더 많이 탐색하고 있습니다. 그러나 VLMs는 불완전하거나, 잘못되었거나, 오해의 소지가 있는 장면 설명을 생성할 수 있으며, 이는 체계적인 테스트의 필요성을 강조합니다. 실제 차량 데이터를 수집하는 것은 비용이 많이 들고, 규모를 확장하기 어려우며, 특히 설계 초기 단계에서는 불가능한 경우가 많습니다. 본 논문에서는 ISU 시스템을 평가하기 위해 렌더링 기반 장면 생성과 탐색 기반 테스트 (search-based testing)를 결합한 자동화된 테스트 접근 방식인 ISU-Test를 제시합니다. 테스트를 최적화 문제로 구성하고 장면 파라미터를 체계적으로 수정함으로써, 우리의 방법은 다양한 차량 내 시나리오를 생성하고 광범위한 구성을 탐색합니다. 우리는 두 가지 사례 연구인 질의응답 (question answering) 및 캡셔닝 (captioning)에 대해 산업용 프로토타입과 오픈 소스 VLMs 모두에서 ISU-Test를 평가하고, 무작위 시나리오 생성 (randomized scenario generation) 방식과 비교했습니다. 결과에 따르면 ISU-Test는 베이스라인을 크게 능가하여, 최대 10배 더 높은 실패율과 최대 3.6배 더 높은 실패 커버리지 (failure coverage)를 달성했습니다.