자율 주행 시스템의 발전과 함께, 대규모 주행 로그에서 가치가 높고 안전에 치명적이며 계획 수립과 관련된 (planning-relevant) 시나리오를 추출하는 것은 데이터 기반 평가를 위해 필수적이 되었습니다. 본 논문에서는 LLM (Large Language Models) 및 VLM (Vision-Language Models)에 기반한 강력한 자기 개선 (self-refining) 시나리오 마이닝 방법론인 AutoMine을 제안합니다. AutoMine은 LLM 프롬프트 민감도를 줄이기 위해 의미 보존형 프롬프트 증강 (semantics-preserving prompt augmentation)을 사용하며, 인지 노이즈 (perception noise)와 오픈 월드 시각적 단서 (open-world visual cues)를 처리하기 위해 견고한 궤적 원자 함수 (robust trajectory atomic functions)를 VLM 기반 함수와 결합합니다. 또한 실제 로그로부터의 실행 피드백을 통해 생성된 코드를 개선합니다. CVPR 2026의 Argoverse 2 시나리오 마이닝 경진대회에서 AutoMine은 HOTA-Temporal 점수 36.38과 Timestamp BA 점수 77.21을 달성했습니다.