디퓨전 모델을 이용한 자율 주행 테스트를 위한 효율적인 도메인 증강

본 논문은 제47회 국제 소프트웨어 공학 회의(ICSE 2025)에서 발표되었으며, 자율 주행 시스템을 위한 소프트웨어 테스트와 생성적 AI의 교차점에서 독창적인 기여를 제시합니다. 우리는 물리 기반 시뮬레이터와 디퓨전 모델을 통합하여 자율 주행 시스템(ADS)의 시스템 수준 테스트를 향상시키는 혁신적인 프레임워크를 제안합니다. 이 접근법은 운전 시뮬레이터의 운영 설계 도메인(ODD)을 확장하기 위해 세 가지 생성 전략—지시 사항 편집, 인페인팅, 정제된 인페인팅—을 도입합니다. 자동화된 의미론 검증기는 생성된 이미지의 현실성과 유효성을 보장하며, 지식 증류된 CycleGAN 모델은 시뮬레이션 중 효율적인 온라인 렌더링을 달성합니다. 52개의 ODD와 여러 ADS 모델에서의 실험 결과, 이 접근법은 결함 탐지와 도메인 커버리지를 최대 20배 향상시키며, 최소한의 런타임 오버헤드를 갖습니다. 이 연구는 자율 주행 차량의 확장 가능하고 현실적이며 지속적인 테스트를 가능하게 하여 안전에 중요한 AI를 위한 소프트웨어 공학을 발전시킵니다.