폐루프 정책 평가는 폐루프 드리프트의 영향을 받습니다. 실행 전에 행위자의 경로, 속도 또는 행동을 미리 정해 스크립트로 구성한 시나리오는 자차 정책이 폐루프에서 반응하기 시작하면 의도한 상호작용을 유지하지 못할 수 있습니다. 반응형 행위자만으로는 충분하지 않으며, 시나리오 트리거만으로도 부족합니다. 시나리오 오케스트레이터는 이 문제를 해결하기 위해 공동 교통 상태를 지속적으로 모니터링하고, 타이밍 재조정, 경로 재설정, 역할 재할당을 통해 자차 외 행위자들을 함께 조정합니다. 각 단계에서 제약 최적화를 수행해 개입은 제한하면서 의도한 상호작용이 계속 가능하고 교통 상태도 실행 가능한 수준으로 유지되도록 합니다.
스크립트 기반 실행
시나리오 실현도는 롤아웃이 일련의 장면을 충족하는지로 측정합니다. 이는 시나리오 기반 테스트에서 흔히 쓰이는 패러다임으로, 시나리오는 초기 장면에서 시작해 일련의 장면이 시간에 따라 전개되는 형태로 표현됩니다. 장면 그래프는 장면 내 개체의 구조와 관계를 인코딩합니다. 최근 테스트 연구에서는 장면 그래프를 사용해 초기 장면과 명세가 허용하는 후속 전개로부터 테스트를 생성합니다.
데이터 기반 생성
점수 기반 지표는 행위자가 자차에 얼마나 안전상 중요한지를 측정하지만, 롤아웃이 특정 시나리오를 실현했는지는 나타내지 못합니다.
방법
확장 가능한 다중 에이전트 교통 시뮬레이션 컨트롤러를 통해 시나리오 오케스트레이션 문제를 해결합니다.
제약 최적화
이 접근 방식은 이동 지평 제어를 사용해 폐루프에서 제약 최적화 문제를 풉니다.
시나리오 표현
시나리오는 행위자 목록으로 모델링하며, 각 행위자는 일련의 기동으로 구성됩니다. 기동은 left_turn, go_straight, right_turn, lane_change_left, lane_change_right 집합에서 선택하는 이산 행동이며, 속도와 회전 반경 같은 연속 매개변수를 가집니다. 실행은 행위자 간에는 병렬로 이루어지고, 각 행위자 내에서는 기동 순서에 따라 순차적으로 진행됩니다.
실험
실험에서는 두 가지 연구 질문을 다룹니다.
- RQ1: 이 방법은 다른 방법보다 시나리오를 더 효과적으로 실현하는가? 미리 정한 테스트 의도를 목표로 삼았을 때 각 방법이 얼마나 적합한지 살펴봅니다.
- RQ2: 이 방법은 다른 방법보다 정책을 더 효과적으로 스트레스 테스트하는가? 의도에 따라 조건화된 자차 정책의 실패를 각 방법이 얼마나 잘 찾아내고 유도하는지 살펴봅니다.
결론
폐루프 정책 평가는 폐루프 드리프트의 영향을 받습니다. 실행 전에 행위자의 경로, 속도 또는 행동을 미리 정해 스크립트로 구성한 시나리오는 자차 정책이 폐루프에서 반응하기 시작하면 의도한 상호작용을 유지하지 못할 수 있습니다. 반응형 행위자만으로는 충분하지 않으며, 시나리오 트리거만으로도 부족합니다. 시나리오 오케스트레이터는 공동 교통 상태를 지속적으로 모니터링하고, 타이밍 재조정, 경로 재설정, 역할 재할당을 통해 자차 외 행위자들을 함께 조정합니다. 각 단계에서 제약 최적화를 수행해 개입은 제한하면서 의도한 상호작용이 계속 가능하고 교통 상태도 실행 가능한 수준으로 유지되도록 합니다.
시나리오 유형과 자차 정책을 대상으로 CARLA에서 수행한 실험 결과, 초기 조건과 자차 행동이 달라지는 경우에도 이 오케스트레이션은 스크립트 기반 및 학습된 행위자 수준의 기준 방법보다 목표 상호작용을 더 안정적으로 실현하는 것으로 나타났습니다. 자차의 반응과 별도로 시나리오 실현도를 점수화하면, 먼저 의도한 상호작용이 발생했는지 확인한 뒤 그 상호작용에서 정책이 어떻게 행동했는지 평가할 수 있습니다.
현재 설계는 의도한 행동을 수행할 가능성에 따라 행위자의 순위를 매기는 등 교통 행동을 수동으로 지정하는 방식에 의존한다는 한계가 있습니다. 시나리오가 더 복잡하고 개방형으로 발전하면 이 접근 방식은 확장하기 어렵습니다. 데이터 기반 행위자 모델을 목적 함수 및 제약 조건과 통합하는 일은 향후 과제로 남아 있습니다.
감사의 글
코드베이스의 엔지니어링 및 구현에 AI 에이전트를 포함한 생성형 AI 도구를 사용했습니다.
자주 묻는 질문
시나리오 오케스트레이션이란 무엇인가요? 공동 교통 상태를 모니터링하고 자차 외 행위자를 조정해 의도한 상호작용이 계속 가능하도록 하는 방법입니다.
이 방법은 교통 행위자를 어떻게 조정하나요? 타이밍 재조정, 경로 재설정, 역할 재할당을 사용하며, 각 단계에서 제약 최적화를 수행합니다.
시나리오 실현도는 어떻게 측정하나요? 롤아웃이 일련의 장면을 충족하면 시나리오가 실현된 것으로 간주합니다.
저자들이 지적한 한계는 무엇인가요? 설계가 수동으로 지정한 교통 행동에 의존하므로 더 복잡하고 개방형인 시나리오에는 확장하기 어려울 수 있습니다.