자율 주행 시스템의 안전성 검증을 위해 희귀한 롱테일 이벤트와 복잡한 다중 에이전트 상호 작용을 다루는 고충실도 시나리오 생성 프레임워크를 제시한다. 이 프레임워크는 조건부 변형 자동 인코더(CVAE)와 대규모 언어 모델(LLM)을 통합하여, CVAE는 실제 데이터에서 얻은 궤적과 지도 정보를 기반으로 잠재 교통 구조를 학습하여 물리적으로 일관된 기본 시나리오를 생성한다. LLM은 적대적 추론 엔진 역할을 수행하여 비정형 장면 설명을 도메인별 손실 함수로 파싱하고, 다양한 위험 수준에서 시나리오 생성을 동적으로 안내한다. 이를 통해 현실성과 제어 가능성을 균형 있게 유지하며, CARLA 및 SMARTS에서의 실험을 통해 기존 방식보다 고위험 및 롱테일 이벤트의 범위를 확대하고, 시뮬레이션된 교통 분포와 실제 교통 분포 간의 일관성을 향상시켰다.
