Towards Automated Safety Requirements Derivation Using Agent-based RAG
Created by
Haebom
저자
Balahari Vignesh Balu, Florian Geissler, Francesco Carella, Joao-Vitor Zacchi, Josef Jiru, Nuria Mata, Reinhard Stolle
개요
본 논문은 자율주행 차량의 안전 요구사항 자동 도출을 위한 연구로, 대규모 언어 모델(LLM)과 에이전트 기반 검색 증강 생성(RAG)을 결합한 방법을 제안합니다. 기존의 사전 훈련된 LLM을 활용하는 안전 분석 방법은 도메인 특정 지식이 부족한 한계를 가지고 있으며, 기존 RAG 접근 방식은 복잡한 질문 처리 시 성능 저하 및 관련 정보 검색의 어려움을 겪습니다. 본 논문에서는 에이전트 기반 RAG를 활용하여 안전 요구사항을 도출하고, 검색된 정보의 관련성을 높이는 방법을 제시합니다. 자동차 표준 문서와 아폴로 사례 연구(자율 주행 인지 시스템)를 대상으로 에이전트 기반 접근 방식을 구현하고, 아폴로 데이터에서 추출한 안전 요구사항 질문과 답변 데이터 세트로 성능을 평가합니다. 선택된 RAG 지표를 평가하여 기존 RAG 방법과 비교하여 에이전트 기반 접근 방식의 장점을 제시하고 논의합니다.
시사점, 한계점
•
시사점: 에이전트 기반 RAG를 활용하여 자율주행 차량의 안전 요구사항을 효과적으로 자동 도출할 수 있음을 보여줍니다. 기존 RAG 방식보다 관련 정보 검색의 정확성을 높일 수 있습니다. 자동차 표준 및 실제 사례 연구를 통해 실용성을 검증하였습니다.
•
한계점: 아폴로 사례 연구 하나에 국한된 실험 결과이므로 일반화 가능성에 대한 추가 연구가 필요합니다. 다양한 자율주행 시스템 및 안전 요구사항에 대한 적용 가능성을 더 검증해야 합니다. 사용된 RAG 지표 외 다른 지표를 추가하여 더욱 포괄적인 평가가 필요할 수 있습니다. 에이전트 기반 시스템의 복잡성 증가에 따른 계산 비용 증가 문제를 고려해야 합니다.
