본문으로 건너뛰기

"Test Generation" 태그로 연결된 6개 게시물개의 게시물이 있습니다.

모든 태그 보기

CARJAN: Agent-Based Generation and Simulation of Traffic Scenarios with AJAN

· 약 3분
Leonard Frank Neis
André Antakli
Matthias Klusch

논문 정보​

  • 제목: CARJAN: Agent-Based Generation and Simulation of Traffic Scenarios with AJAN
  • 저자: Leonard Frank Neis (DFKI, Saarland Informatics Campus), André Antakli (DFKI, Saarland Informatics Campus), Matthias Klusch (DFKI, Saarland Informatics Campus)
  • 학회/저널: arXiv 프리프린트 (cs.AI)
  • 발행일: 2025-08-29
  • DOI: arXiv:2508.21411
  • 주요 연구 내용: AJAN 멀티에이전트 프레임워크와 CARLA 자율주행 시뮬레이터를 통합하여 도시 교통 시나리오를 반자동으로 생성하고 시뮬레이션하는 도구 CARJAN 개발
  • 주요 결과 및 결론: 보행자, 자전거, 자율주행 차량 등 다양한 에이전트가 상호작용하는 복합 교통 시나리오의 비주얼 모델링과 시뮬레이션을 통합한 최초의 접근법 제시
  • 기여점: SPARQL Behavior Tree 기반 에이전트 의사결정과 비주얼 UI 기반 시나리오 모델링을 결합하여 사용자 친화적인 교통 시나리오 생성·시뮬레이션 도구 제공

Behavior-Tree Based Scenario Specification and Test Case Generation for Autonomous Driving Simulation

· 약 3분
Yunjun Yao
Zijun Shi
Lihua Fu
Li Li

논문 정보​

  • 제목: Behavior-Tree Based Scenario Specification and Test Case Generation for Autonomous Driving Simulation
  • 저자: Yunjun Yao, Zijun Shi, Lihua Fu, Li Li
  • 학회/저널: ICITES 2022 (2nd International Conference on Intelligent Technology and Embedded Systems)
  • 발행일: 2022-11-04
  • DOI: 10.1109/ICITES56274.2022.9943753
  • 주요 연구 내용: 행동 트리(BT) 기반 시나리오 기술 언어 BTScenario를 설계하고, 이를 활용하여 자율주행 시뮬레이션 테스트 케이스를 자동으로 생성하는 방법론 제안
  • 주요 결과 및 결론: BTScenario를 통해 맵 객체의 공간 배치와 행위자의 시간적 행동을 모두 기술할 수 있으며, PyTrees 라이브러리를 활용한 자동 테스트 케이스 생성으로 수동 설계 대비 더 넓은 엣지 케이스 커버리지를 달성
  • 기여점: BT를 로봇 제어뿐 아니라 시나리오 명세 언어로 활용하는 새로운 방향을 제시하고, 자율주행 SIL 테스팅에서 BT의 역할을 확장

Repairing Order-Dependent Flaky Tests via Test Generation

· 약 7분
Chengpeng Li
Chenguang Zhu
Wenxi Wang
August Shi

논문 정보​

  • 제목: Repairing Order-Dependent Flaky Tests via Test Generation
  • 저자: Chengpeng Li, Chenguang Zhu, Wenxi Wang, and August Shi (The University of Texas at Austin)
  • 학회/저널: 2022 IEEE/ACM 44th International Conference on Software Engineering (ICSE)
  • 발행일: 2022-05-21
  • DOI: https://doi.org/10.1145/3510003.3510173
  • 주요 연구 내용: 순서 의존적(order-dependent) 결함 테스트 복구를 위한 자동화 기법 ODRepair 제안. 이 기법은 먼저 테스트 실패를 유발하는 오염된 공유 상태(polluted shared state)를 식별하고, 이후 자동화된 테스트 생성 도구(Randoop)를 활용하여 해당 상태를 리셋(reset)하는 '클리너(cleaner)' 코드(메서드 호출 시퀀스)를 생성함.
  • 주요 결과 및 결론: 327개의 순서 의존적 테스트 대상 평가. ODRepair는 181개 테스트에서 오염된 정적 필드(static field)를 식별했으며, 이 중 141개의 테스트에 대한 패치를 성공적으로 생성함. 기존 SOTA 기법인 iFixFlakies가 복구하지 못하는 24개의 테스트를 ODRepair가 복구함.
  • 기여점:
    1. 기존에 '클리너' 테스트가 없는 경우에도 테스트 생성을 통해 순서 의존적 테스트를 복구하는 새로운 접근법 제시.
    2. 오염된 공유 힙 상태(heap-state), 특히 정적 필드를 자동으로 식별하는 'Debugger' 컴포넌트 개발.
    3. 'Generator' 컴포넌트를 통해 테스트 생성 도구를 가이드하여 리셋 메서드를 호출하고 패치를 생성하는 방법론 구현.

Scenic: A Language for Scenario Specification and Data Generation

· 약 4분
Daniel J. Fremont
Edward Kim
Tommaso Dreossi
Shromona Ghosh
Xiangyu Yue
Alberto L. Sangiovanni-Vincentelli
Sanjit A. Seshia

논문 정보​

  • 제목: Scenic: A Language for Scenario Specification and Data Generation
  • 저자: Daniel J. Fremont (UC Santa Cruz), Edward Kim (UC Berkeley), Tommaso Dreossi (UC Berkeley), Shromona Ghosh (UC Berkeley), Xiangyu Yue (UC Berkeley), Alberto L. Sangiovanni-Vincentelli (UC Berkeley), Sanjit A. Seshia (UC Berkeley)
  • 학회/저널: Machine Learning Journal (Springer)
  • 발행일: 2022-02-01
  • DOI: 10.1007/s10994-021-06120-5
  • 주요 연구 내용: 사이버-물리 시스템, 특히 자율주행 시스템의 설계와 분석을 위한 확률적 프로그래밍 언어 Scenic을 제안. 시나리오 내 객체의 공간적, 시간적 관계를 확률 분포로 명세하여 다양한 시나리오를 자동 생성
  • 주요 결과 및 결론: Scenic을 통해 CARLA, GTA V, Webots 등 다양한 시뮬레이터에서 시나리오를 자동 생성하고, 학습 데이터 증강 및 엣지 케이스 탐색에 효과적으로 활용할 수 있음을 입증
  • 기여점: 확률적 시나리오 명세를 위한 도메인 특화 언어를 정의하고, 자율주행 시스템의 학습 및 검증을 위한 체계적인 데이터 생성 방법론을 제공. Boeing, Meta, Deutsche Bahn, Toyota 등 산업계에서도 채택

ASAM OpenSCENARIO

· 약 2분

논문 정보​

  • 제목: ASAM OpenSCENARIO
  • 저자: ASAM (Association for Standardisation of Automation and Measuring Systems)
  • 학회/저널: ASAM 국제 표준 (산업 표준 규격)
  • 발행일: 2020-03 (V1.0), 지속 업데이트
  • DOI: 해당 없음 (산업 표준)
  • 주요 연구 내용: 자율주행 및 ADAS 시스템의 개발·테스팅·검증을 위한 동적 시나리오 기술 표준으로, 차량·보행자·교통 참여자의 복잡하고 동기화된 기동을 정의
  • 주요 결과 및 결론: XML 기반(V1.x) 및 DSL 기반(V2.0) 두 가지 형식으로 추상·논리·구체 시나리오의 계층적 기술을 지원하며, 주요 시뮬레이션 도구와 호환
  • 기여점: 시뮬레이션 도구 간 시나리오 이식성을 확보하고, 시나리오 기반 검증(Scenario-Based Testing)의 핵심 인프라로 자리매김

CARLA Scenario Runner

· 약 2분

논문 정보​

  • 제목: CARLA Scenario Runner
  • 저자: CARLA 시뮬레이터 개발팀 (오픈소스 커뮤니티)
  • 학회/저널: GitHub 오픈소스 프로젝트
  • 발행일: 2019 (초기 릴리스, 지속 업데이트 중)
  • DOI: GitHub - carla-simulator/scenario_runner
  • 주요 연구 내용: CARLA 시뮬레이터 환경에서 교통 시나리오를 정의하고 실행하는 엔진으로, Python API 및 OpenSCENARIO 표준을 지원
  • 주요 결과 및 결론: CARLA Autonomous Driving Leaderboard의 공식 평가 엔진으로 활용되며, 자율주행 연구의 표준 시나리오 테스팅 플랫폼으로 자리잡음
  • 기여점: 표준화된 시나리오 정의 형식과 실행 환경을 제공하여 자율주행 알고리즘의 재현 가능한 평가를 지원