【论文】Req2Road：用于SDV测试制品生成和车载执行的GenAI流水线

Source: arXiv - 2602.15591v1

概述

论文 “Req2Road: A GenAI Pipeline for SDV Test Artifact Generation and On‑Vehicle Execution” 展示了一个原型系统，能够将自然语言的车辆需求转化为可在软件定义车辆（SDV）上运行的测试脚本。通过利用大语言模型（LLMs）和视觉‑语言模型（VLMs），作者实现了 Gherkin‑style 场景的自动生成，并将其映射到 Vehicle Signal Specification（VSS），从而在仿真环境和真实车辆上实现快速、可移植的测试。

关键贡献

• 端到端流水线，将异构需求工件（文本、表格、图表）转换为可执行的 Gherkin 场景和与 VSS 关联的测试代码。
• 检索增强生成（RAG） 用于预先选择相关的 VSS 信号，提高信号与需求映射的准确性。
• LLM 与 VLM 的集成，从需求文档中提取文本和视觉信息。
• 在安全关键子系统（儿童存在检测系统）上进行演示，涵盖虚拟（仿真）和真实车辆（车辆在环路）环境。
• 定量评估显示，89 % 的所检需求可以自动转化为可执行测试。

方法论

1. 需求摄取 – 管道摄取自然语言需求、伴随的表格和设计图。
2. 信号检索（RAG） – 查询 VSS 信号描述的向量库，以获取每个需求最相关的信号。
3. LLM 驱动的场景生成 – 大语言模型（例如 GPT‑4）接收需求文本以及检索到的信号，生成 Gherkin 场景（Given‑When‑Then 格式）。
4. VLM 辅助的图表解析 – 视觉语言模型分析图表，提取 LLM 可能遗漏的额外信号名称或状态机。
5. VSS 映射与代码合成 – 将识别出的信号链接到 VSS 标识符，并由代码生成器输出兼容目标测试台（仿真器或车载测试框架）的测试脚本。
6. 执行与反馈循环 – 生成的测试首先在虚拟环境中运行；失败时触发人工审查，纠正缺失或映射错误的信号，然后在实际车辆上重新执行测试。

结果与发现

• 覆盖率： 在 36 项儿童在场检测系统的安全需求中，有 32 项（≈ 89 %）成功转化为可执行的 Gherkin 场景。
• Gherkin 有效性： 超过 95 % 的生成场景通过了语法验证工具，无需人工编辑。
• VSS 映射质量： 与仅使用 LLM 的朴素方法相比，RAG 步骤将错误信号分配减少约 40 %。
• 端到端可执行性： 在仿真和 Vehicle‑in‑the‑Loop（ViL）运行中，生成的测试均未出现运行时错误，验证了流水线的实际可行性。
• 人工干预： 大约 10 % 的情况仍需手动信号替换或对模糊需求表述进行澄清。

Practical Implications

• Accelerated Test Development: Engineers can generate a baseline test suite directly from requirements, cutting weeks of manual test authoring.
• Cross‑Toolchain Consistency: By anchoring to the VSS standard, the same test artifacts can be reused across different subsystems, simulators, and on‑vehicle test rigs, reducing duplication.
• Safety‑Critical Assurance: Early, automated generation of tests for safety functions (e.g., child‑presence detection) helps meet automotive safety standards (ISO 26262) with less manual effort.
• Scalable to New Features: As SDVs evolve, the pipeline can ingest updated requirement documents and quickly produce corresponding test cases, supporting continuous integration pipelines for automotive software.
• Developer‑Friendly Artifacts: Gherkin scenarios are readable by both technical and non‑technical stakeholders, fostering better collaboration between software engineers, system architects, and safety analysts.

限制与未来工作

• 歧义处理： 当前系统仍然难以应对模糊或结构不良的需求，需要人工审查。
• 领域特定知识： 大语言模型可能会遗漏汽车领域的细微差别（例如时间约束），这些需要领域特定的微调。
• 可扩展性测试： 评估仅聚焦于单一子系统；需要在多个 SDV 模块上进行更广泛的研究，以确认其通用性。
• 工具链集成： 未来工作旨在将流水线直接接入汽车 CI/CD 平台（如 Jenkins、GitLab），并支持除 Gherkin 之外的其他测试框架。
• 可解释性： 为每个生成的测试提供可追溯到具体需求片段和信号来源的追踪，将提升安全认证的可审计性。

作者

• Denesa Zyberaj
• Lukasz Mazur
• Pascal Hirmer
• Nenad Petrovic
• Marco Aiello
• Alois Knoll

论文信息

• arXiv ID: 2602.15591v1
• 分类: cs.SE
• 出版时间: 2026年2月17日
• PDF: 下载 PDF