Req2Road: A GenAI Pipeline for SDV Test Artifact Generation and On-Vehicle Execution
यह शोध पत्र "Req2Road" प्रस्तुत करता है, जो एक GenAI-संचालित पाइपलाइन है जो लार्ज और विजन-लैंग्वेज मॉडल्स को रिट्रीवल-ऑगमेंटेड जनरेशन के साथ जोड़कर सॉफ्टवेयर-डिफाइंड वाहनों के लिए प्राकृतिक भाषा आवश्यकताओं को स्वचालित रूप से निष्पादन योग्य गेरकिन (Gherkin) परिदृश्यों और टेस्ट स्क्रिप्ट में परिवर्तित करता है, जो सिमुलेशन और वास्तविक-वाहन वातावरण में चाइल्ड प्रेजेंस डिटेक्शन सिस्टम की आवश्यकताओं को परिवर्तित करने में 89% सफलता दर प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, भविष्यवादी शहर (एक Software-Defined Vehicle) के मुख्य वास्तुकार (Chief Architect) हैं। यह शहर हजारों नियमों से चलता है जो साधारण अंग्रेजी, जटिल फ्लोचार्ट और बिखरे हुए नोट्स में लिखे गए हैं। आपका काम रोबोटों की एक टीम बनाना है जो इस शहर में गश्त लगाए और यह सुनिश्चित करे कि यह सभी नियमों का पालन कर रहा है।
समस्या क्या है? नियम मानवीय भाषा में लिखे गए हैं, लेकिन रोबोट केवल "मशीन कोड" समझते हैं। पारंपरिक रूप से, आपको अनुवादकों की एक टीम की आवश्यकता होगी जो नियमों को पढ़े, मानचित्र बनाए और फिर रोबोट के लिए कोड लिखे। यह धीमा, महंगा और गलतियों से भरा होता है।
Req2Road एक नया, AI-संचालित "सुपर-ट्रांसलेटर" पाइपलाइन है जो इस पूरी प्रक्रिया को स्वचालित करता है। यह कैसे काम करता है, इसे सरल उपमाओं के साथ यहाँ समझाया गया है:
1. समस्या: "अनुवाद में खो जाने" का अंतर (The "Lost in Translation" Gap)
पुराने दिनों में, यदि कोई कार निर्माता किसी सुरक्षा सुविधा (जैसे, एक ऐसा सिस्टम जो यह पता लगाता है कि गर्म कार में बच्चा छूट गया है या नहीं) का परीक्षण करना चाहता था, तो उन्हें:
- इंजीनियरों द्वारा लिखे गए 50 पन्नों के दस्तावेज़ को पढ़ना पड़ता था।
- मैन्युअल रूप से यह समझना पड़ता था कि कौन से सेंसर (कैमरा, सीट बेल्ट, थर्मामीटर) इसमें शामिल थे।
- कार को क्या करना है, यह बताने के लिए हजारों लाइनों का कोड लिखना पड़ता था।
यह बिना डिक्शनरी के, एक अलग भाषा में लिखी गई रेसिपी पढ़कर घर बनाने की कोशिश करने जैसा था।
2. समाधान: "AI निर्माण दल" (The "AI Construction Crew")
लेखकों ने एक पाइपलाइन बनाई जिसे Req2Road (Requirements-to-Road) कहा जाता है। इसे अलग-अलग प्रकार के AI रोबोटों द्वारा संचालित चार चरणों वाली एक असेंबली लाइन के रूप में सोचें:
चरण A: "पढ़ने और समझने" वाला रोबोट (LLMs & VLMs)
सबसे पहले, सिस्टम अस्त-व्यस्त मानवीय आवश्यकताओं (टेक्स्ट दस्तावेज़) को पढ़ता है और ब्लूप्रिंट (आरेख/डायग्राम) को देखता है।
- उपमा: एक बहुत ही स्मार्ट इंटर्न की कल्पना करें जो एक उपन्यास भी पढ़ सकता है और एक नैपकिन पर बने स्केच को भी देख सकता है। वह समझ जाता है कि "यदि बच्चा रोता है, तो AC चालू करें" का अर्थ है कि कार को अपने Air Conditioning सेंसर और अपने माइक्रोफोन का उपयोग करने की आवश्यकता है।
- तकनीक: वे टेक्स्ट के लिए Large Language Models (LLMs) और डायग्राम को "देखने" के लिए Vision-Language Models (VLMs) का उपयोग करते हैं।
चरण B: "डिक्शनरी लुकअप" (RAG & VSS)
यह सबसे महत्वपूर्ण चरण है। कार के पास हजारों सेंसर होते हैं (जैसे 1,000 किताबों वाली एक लाइब्रेरी)। यदि आप AI से "तापमान सेंसर खोजें" के लिए कहते हैं, तो वह अपनी ओर से कोई फर्जी सेंसर बना सकता है।
- उपमा: AI को अनुमान लगाने देने के बजाय, सिस्टम पहले एक मानकीकृत डिक्शनरी निकालता है जिसे Vehicle Signal Specification (VSS) कहा जाता है। यह एक सार्वभौमिक कैटलॉग की तरह है जहाँ "Temperature" को हमेशा
Vehicle.Cabin.Temperatureकहा जाता है। - ट्रिक: वे RAG (Retrieval-Augmented Generation) नामक तकनीक का उपयोग करते हैं। AI को कोड लिखने के लिए कहने से पहले, वे उसे डिक्शनरी से केवल 16 प्रासंगिक शब्दों की एक "शॉर्टलिस्ट" दिखाते हैं। यह AI को मनगढ़ंत बातें बनाने से रोकता है।
चरण C: "स्क्रिप्ट राइटर" (Gherkin)
अब जब AI नियमों और सही डिक्शनरी शब्दों को जानता है, तो वह Gherkin नामक भाषा में एक "स्क्रिप्ट" लिखता है।
- उपमा: Gherkin एक सरल "If-Then" कहानी की तरह है।
- यदि बच्चे का पता चलता है...
- और माता-पिता ने 5 मिनट तक जवाब नहीं दिया है...
- तो हॉर्न बजाएं और दरवाजे खोल दें।
- यह स्क्रिप्ट इंसानों और मशीनों दोनों द्वारा पढ़ी जा सकती है। यह विचार और कोड के बीच का सेतु (bridge) है।
चरण D: "कोड जनरेटर" (Python)
अंत में, AI उस सरल "If-Then" कहानी को वास्तविक Python कोड में अनुवादित करता है जिसे कार चला सकती है।
- उपमा: यह रोबोट द्वारा उस स्क्रिप्ट को लेकर वास्तविक रोबोट पेट्रोल यूनिट बनाने जैसा है। यह "If-Then" लॉजिक को वास्तविक कार सेंसर (जैसे HVAC सिस्टम या दरवाजों के लॉक) से जोड़ता है।
3. बड़ा परीक्षण: सिमुलेशन से वास्तविकता तक (From Simulation to Reality)
टीम ने केवल कोड लिखना ही नहीं छोड़ा; उन्होंने वास्तव में इसे दो तरीकों से टेस्ट किया:
- वीडियो गेम (SiL): उन्होंने डिजिटल सिमुलेशन (डिजिटल.ऑटो प्लेग्राउंड) में अपने परीक्षण चलाए। यह वास्तविक विमान उड़ाने से पहले फ्लाइट सिम्युलेटर का परीक्षण करने जैसा है।
- असली कार (ViL): उन्होंने वही कोड लिया और उसे एक असली मर्सिडीज-बेंज वाहन पर चलाया। उन्होंने सिस्टम को ट्रिगर करने के लिए पीछे की सीट पर एक "सरोगेट" (रोने वाली ऑडियो ट्रैक के साथ एक नकली बच्चा) भी रखा।
परिणाम: AI ने 36 जटिल सुरक्षा नियमों में से 32 को काम करने वाले टेस्ट में सफलतापूर्वक बदल दिया जो असली कार पर चले। कार ने "बच्चे" का पता लगाया, आवश्यक समय तक प्रतीक्षा की, और फिर ठीक वैसा ही किया जैसा स्क्रिप्ट में कहा गया था—AC चालू किया और दरवाजे खोल दिए।
यह क्यों महत्वपूर्ण है?
- गति (Speed): यह हफ्तों के मैनुअल कोडिंग को घंटों में बदल देता है।
- पोर्टेबिलिटी (Portability): क्योंकि उन्होंने "यूनिवर्सल डिक्शनरी" (VSS) का उपयोग किया है, वही टेस्ट स्क्रिप्ट बिना कोड दोबारा लिखे मर्सिडीज, BMW या फोर्ड पर चल सकती है।
- सुरक्षा (Safety): यह सुनिश्चित करता है कि टेस्ट वास्तव में सुरक्षा नियमों से मेल खाते हैं, जिससे मानवीय त्रुटि की संभावना कम हो जाती है।
एक कमी (रियलिटी चेक)
पेपर स्वीकार करता है कि AI अभी भी पूर्ण नहीं है।
- इसे एक मानव संपादक की आवश्यकता है: AI एक प्रतिभाशाली लेकिन थोड़े लापरवाह लेखक की तरह है। यह 89% बार कहानी सही लिखता है, लेकिन पेचीदा हिस्सों (जैसे "क्या होगा यदि बैटरी खत्म हो जाए?") को पकड़ने के लिए एक इंसान को अभी भी समीक्षा करनी पड़ती है।
- जटिलता की सीमाएं: यदि आप AI को एक साथ बहुत सारे नियम दे देते हैं, तो वह भ्रमित हो जाता है। यह बड़े समस्याओं को छोटे, प्रबंधनीय टुकड़ों में तोड़ने पर सबसे अच्छा काम करता है।
संक्षेप में: Req2Road एक ऐसा टूल है जो कार कंपनियों को उनकी सुरक्षा संबंधी इच्छाओं (जो अंग्रेजी में लिखी गई हैं) को रोबोट की क्रियाओं (जो कोड में लिखी गई हैं) में अनुवाद करने में मदद करता है, जिससे यह सुनिश्चित होता है कि हमारे भविष्य के सेल्फ-ड्राइविंग कार सुरक्षित, परीक्षित और सड़क के लिए तैयार हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।