Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 자율주행 시스템(ADS)의 복잡한 테스트 문제를 다루며, 6개국 9개사 전문가 인터뷰를 통해 산업 현장의 관행과 과제를 분석했습니다. 현재는 시나리오 기반 및 X-in-the-loop 방식이 주류이나, 향후 AI와 월드 모델을 활용한 자동화되고 데이터 기반의 폐쇄 루프 테스트 프레임워크가 필요함을 제안합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기자율주행 시스템(ADS)은 급속도로 발전하고 있으며 실제 애플리케이션에 점점 더 많이 배포되고 있습니다. 이는 시스템 기능과 안전을 보장하기 위한 효과적인 테스트에 대한 수요를 증가시키고 있습니다. 하지만 ADS 테스트는 여전히 복잡하며 시나리오 선택, 성능 평가 및 수용 기준에 대한 잘 확립된 표준이 부족합니다. 현재의 ADS 테스트 관행과 과제를 더 잘 이해하기 위해, 우리는 6개국 9개 회사에서 ADS 개발 및 테스트에 종사하는 전문가들을 대상으로 인터뷰 연구를 수행했습니다. 주제별 분석을 통해 산업 테스트 관행, 과제, 잠재적 해결책, 미래 동향을 종합하고 ADS 테스트를 위한 증거 기반의 폐쇄 루프(closed-loop) 테스트 프레임워크를 제안했습니다. 우리의 연구 결과에 따르면, 현재의 관행은 주로 시나리오 기반 및 X-in-the-loop 테스트 접근 방식에 초점을 맞추고 있으며, 다양한 도구, 메트릭, 벤치마크 및 테스트 전략으로 지원되고 있습니다. 참가자들은 시나리오 현실성, 시나리오 커버리지, 시뮬레이션 충실도(fidelity), 수용 기준과 관련된 주요 과제들을 강조하는 동시에, AI, 월드 모델(world models), 그리고 종단 간(end-to-end) 접근 방식 사용과 같은 잠재적 해결책에 대해서도 논의했습니다. 나아가 참가자들은 미래 ADS 테스트가 산업 전반에 걸쳐 더욱 자동화되고, 데이터 기반이며, 투명해질 것이라고 예상했습니다. 전반적으로, 본 연구는 ADS 테스트에 대한 포괄적인 산업 기반 개요를 제공하고, 실행 가능한 지침을 제공하기 위해 증거 기반의 폐쇄 루프 테스트 프레임워크를 제안하며, 미래 연구 및 실무를 위한 중요한 방향들을 제시합니다.