혁신적인 자율주행 소프트웨어 개발: LLM 기반 시뮬레이션 가이드 코드 생성

본 연구는 LLM 기반 자동 코드 생성 및 시뮬레이션 기반 평가 시스템을 통해 자율 주행 소프트웨어 개발의 효율성 및 안전성을 향상시키는 새로운 방법을 제시합니다. 다양한 LLM과 ACC, CAEM 기능에 대한 실험 결과와 전문가 평가를 통해 시스템의 유용성을 검증했습니다. 하지만, LLM의 한계와 안전성 확보를 위한 지속적인 연구개발이 필요합니다.

안전한 자율 주행을 위한 혁신적인 코드 생성 기술

자율 주행 시스템(ADS)은 자동차의 환경 인식 및 의사 결정을 담당하는 안전 중심 소프트웨어입니다. 예측 불가능한 상황을 포함한 복잡한 주행 환경으로 인해 지속적인 개선이 필요하며, 이는 반복적인 DevOps 프로세스를 통해 이루어집니다. 하지만 DevOps 자체가 복잡하여 시간과 자원이 많이 소요되는 어려움이 있습니다.

이러한 문제를 해결하기 위해, Ali Nouri를 비롯한 8명의 연구진은 LLM(대규모 언어 모델)을 활용한 자동 코드 생성 방식을 제안합니다. 이들은 LLM 기반 에이전트, 시뮬레이션 모델, 규칙 기반 피드백 생성기를 통합한 파이프라인을 개발하여 LLM이 생성한 코드를 다양한 교통 상황 시뮬레이션을 통해 자동으로 평가하고, 그 결과를 LLM에 피드백하여 코드 수정 및 버그 해결을 반복하는 프로세스를 구축했습니다.

연구진은 Codellama:34b, DeepSeek (r1:32b 및 Coder:33b), CodeGemma:7b, Mistral:7b, GPT4 등 다양한 LLM을 적용하여 ACC(Adaptive Cruise Control) 및 CAEM(Unsupervised Collision Avoidance by Evasive Manoeuvre) 기능 구현 실험을 진행했습니다. 더 나아가, 두 개의 주요 자동차 제조업체(OEM)의 전문가 11명을 대상으로 인터뷰 연구를 실시하여 개발한 도구의 유용성을 평가했습니다.

이 연구는 LLM 기반 자동 코드 생성 및 평가를 통해 자율 주행 소프트웨어 개발의 효율성을 높이고 안전성을 강화하는 획기적인 시도입니다. 시뮬레이션 기반의 검증 프로세스를 통해 안전성을 확보하면서 개발 시간을 단축시키는 이 기술은 자율 주행 기술의 발전에 중요한 기여를 할 것으로 기대됩니다. 하지만, LLM의 한계 및 예측 불가능한 상황에 대한 추가적인 연구가 필요하며, 안전성 검증의 완벽성을 위해 지속적인 개선이 요구됩니다.