# On the Need for a Statistical Foundation in Scenario-Based Testing of Autonomous Vehicles

### 저자

Xingyu Zhao, Robab Aghazadeh-Chakherlou, Chih-Hong Cheng, Peter Popov, Lorenzo Strigini

### 개요

본 논문은 자율주행 자동차(AV)의 안전성을 위한 시나리오 기반 테스트의 효율성을 강조하면서도, 그 정지 규칙, 잔여 위험 추정, 디버깅 효과, 그리고 시뮬레이션 충실도가 안전 주장에 미치는 영향에 대한 근본적인 문제점을 제기합니다.  기존 소프트웨어 테스트 방법론과의 유사점을 통해 연구 격차와 재사용 가능한 해결책을 제시하고, 시나리오 당 실패 확률(pfs)을 정량화하고 다양한 조건에서 테스트 효과를 평가하기 위한 개념 증명 모델을 제안합니다.  시나리오 기반 테스트와 마일 기반 테스트 중 어느 것이 항상 우수한 것은 아니라는 점을 분석하고, 합성 및 실제 세계 테스트 결과의 정합성을 인증하기 위한 새로운 지표인 위험 추정 충실도(REF)를 제시하여 시뮬레이션 기반 안전 주장의 통계적 타당성을 확보합니다.

### 시사점, 한계점

- **시사점:**

    - 시나리오 기반 테스트의 한계와 개선 방향 제시

    - 시나리오 당 실패 확률(pfs) 정량화 및 테스트 효과 평가 모델 제안

    - 시뮬레이션 기반 안전 주장의 통계적 타당성 확보를 위한 Risk Estimation Fidelity (REF) 지표 제시

    - 자율주행 자동차 안전성 평가에 대한 통계적 기반 강화 필요성 제시

    - 소프트웨어 테스트 방법론과의 유사점을 활용한 접근 방식 제시

- **한계점:**

    - 제안된 모델 및 지표의 실제 적용 및 검증 필요

    - 다양한 시나리오 및 환경에 대한 일반화 가능성 검토 필요

    - REF 지표의 정확성 및 신뢰성에 대한 추가 연구 필요

    - 실제 자율주행 시스템에 대한 적용 및 효과 검증 부족

[PDF 보기](https://arxiv.org/pdf/2505.02274)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).