Compiling OpenSCENARIO 2.1 for Scenario-Based Testing in CARLA

1. 문제 정의 (Problem)

• 기존 표준의 한계: 자율주행 차량의 검증 및 검증 (V&V) 을 위해 시나리오 기반 테스트 (SBT) 가 필수적이지만, 기존 ASAM OpenSCENARIO 1.x (XML 기반) 는 복잡한 시나리오 표현에 있어 유연성이 부족하고 유지보수가 어렵다는 문제가 있었습니다.
• DSL 도입과 통합 부재: ASAM 은 이를 해결하기 위해 선언적이고 의도 중심인 OpenSCENARIO 2.1 DSL을 도입했습니다. 그러나 오픈소스 시뮬레이터인 CARLA 및 이를 기반으로 하는 도구들 (ScenarioRunner 등) 은 레거시 파서를 사용하여 OpenSCENARIO 2.1 의 최신 표준 라이브러리 (types.osc, domain.osc) 를 제대로 해석하지 못했습니다.
• 구현 격차: 기존 프레임워크들은 2.1 버전의 확정된 표준을 완전히 지원하지 못하며, 외부 논리 솔버 (Logic Solver) 에 의존하거나 파싱 오류를 유발하여 연구 및 산업 수준의 대규모 시나리오 검증에 활용하기 어려운 상태였습니다.

2. 방법론 (Methodology)

저자들은 CARLA 환경에 직접 통합된 멀티-pass 현대 컴파일러 아키텍처를 제안하여 OpenSCENARIO 2.1 DSL 을 실행 가능한 CARLA 행동 (Behavior) 으로 변환합니다.

• 3 단계 컴파일러 파이프라인:

  1. Frontend (Lexing & AST Generation):
     • ANTLR4 를 사용하여 EBNF 문법에 기반한 원시 파싱 트리를 생성합니다.
     • Visitor 패턴을 적용하여 타입이 지정된 **추상 구문 트리 (AST)**로 변환합니다. 이 단계는 순수 구문 분석에 그치며, 의미론적 유효성은 다음 단계에서 처리됩니다.
  2. Middle-end (Semantic Analysis):
     • Definition Pass: 심볼 테이블을 구축하고 네임스페이스, 구조체, 액터 간의 계층적 상속 관계를 등록합니다.
     • Resolution Pass: 심볼을 타입 정의에 바인딩하고 상속 체인을 해결하며, 표준 라이브러리 (stdtypes) 로의 암시적 폴백을 처리합니다.
     • 이 과정을 통해 AST 는 의미론적으로 유효하고 스코프 컨텍스트가 주석된 상태로 준비됩니다.
  3. Backend (Initialization, BT Compilation, Execution):
     • Behavior Tree (BT) 생성: py_trees 프레임워크를 사용하여 AST 를 동적 행동 트리로 변환합니다.
     • Method Registry: OSC2 의 도메인 온톨로지를 CARLA API 에 직접 매핑하기 위한 데코레이터 기반의 레지스트리를 구현합니다. 이를 통해 추상적인 액션 (예: vehicle.drive()) 이 구체적인 원자적 Python 행동 (예: WaypointFollower) 으로 디스패치됩니다.
     • Runtime Context Manager: 실행 중 동적으로 계산되는 값 (상대 속도, 레인 오프셋 등) 을 처리하기 위해 경량 런타임 상태 관리자를 도입하여 AST 표현식을 실시간으로 평가합니다.

• 실행 매핑:

  • 운동학/공간 모디파이어: 속도, 가속도, 레인 변경 등의 제약 조건은 PID 제어, OpenDRIVE 로직, 토폴로지 맵 프로젝션 등을 통해 CARLA 의 원자적 행동에 매핑됩니다.
  • 동기화: one_of, serial, parallel 과 같은 제어 흐름 지시어는 행동 트리의 복합 노드로 변환되며, 블랙보드 (Blackboard) 아키텍처를 통해 다중 액터 간의 비동기 이벤트 동기화가 가능합니다.

3. 주요 기여 (Key Contributions)

• 완전 호환 컴파일러 아키텍처: OpenSCENARIO 2.1 DSL 을 CARLA/ScenarioRunner 환경에 직접 통합하여, 외부 논리 솔버 없이도 표준 준수 시나리오를 실행 가능한 행동 트리로 변환하는 최초의 포괄적인 프레임워크를 제시했습니다.
• 온톨로지 직접 매핑: domain.osc 의 표준화된 도메인 온톨로지를 CARLA 의 절차적 API 에 직접 연결하는 커스텀 메서드 레지스트리를 개발하여, 복잡한 시나리오 로직을 효율적으로 실행합니다.
• 동적 표현식 및 동기화 지원: 정적 바이트코드가 아닌 런타임 평가 엔진을 통해 동적 수학 표현식, 연속적인 공간 쿼리, 그리고 다중 액터 간의 이벤트 동기화 (예: 충돌 회피 신호, 장애물 감지) 를 지원합니다.
• 검증된 사례 연구: "무거운 화물차 (HGV) 의 급격한 차선 변경 및 제동 (Cut-in & Brake Check)" 시나리오를 통해 컴파일러가 복잡한 다중 액터 상호작용, 동적 계산, 비동기 신호 처리를 성공적으로 수행함을 입증했습니다.

4. 결과 (Results)

• 기능적 검증: 제시된 시나리오 (Listing 1~3) 는 초기화 (상대적/절대적 위치 배치), 동적 환경 설정 (천체 위치, 조명), 그리고 복잡한 실행 로직 (병렬 주행, 차선 변경, 조명 점멸, 속도 제어) 을 성공적으로 실행했습니다.
• 동기화 성공: 적대적 NPC 차량이 Ego 차량의 회피 동작을 감지하고 (CRASH_AVOIDED 신호), 이후 장애물 감지 (OBSTACLE_DETECTED) 를 통해 Ego 차량의 정지를 유도하는 복잡한 상호작용이 지연 없이 정확하게 수행되었습니다.
• 표준 준수: OpenSCENARIO 2.1 의 선언적 문법 (DSL) 이 CARLA 의 시뮬레이션 루프 내에서 의도된 대로 실행됨을 확인했습니다.

5. 의의 및 향후 과제 (Significance & Future Work)

• 의의: 이 연구는 OpenSCENARIO 2.1 DSL 의 선언적 능력을 CARLA 와 같은 산업 표준 시뮬레이터에서 실제로 활용할 수 있는 **기능적 기준선 (Functional Baseline)**을 확립했습니다. 이는 재현 가능하고 대규모인 시나리오 기반 테스트를 위한 토대를 마련하며, LLM 기반의 시나리오 생성 파이프라인이 실행 가능한 결과를 도출할 수 있도록 하는 핵심 실행 엔진 역할을 합니다.
• 한계 및 향후 작업:
  • 현재 Python 기반의 런타임 평가는 고밀도 교통 시나리오에서 계산 오버헤드를 유발할 수 있습니다.
  • 향후 연구에서는 C++ 바인딩으로의 마이그레이션을 통해 공간 쿼리 및 계산 성능을 최적화하고, 보행자 의도, 교차로 우선순위 등 OSC2 온톨로지의 나머지 영역을 확장하여 완전한 표준 준수를 목표로 할 것입니다.

결론적으로, 본 논문은 OpenSCENARIO 2.1 의 강력한 DSL 기능을 CARLA 시뮬레이션에 효과적으로 연결하는 컴파일러 아키텍처를 설계하고 구현함으로써, 자율주행 차량의 안전성 검증을 위한 시나리오 기반 테스트의 효율성과 확장성을 크게 향상시켰습니다.