Generating Automotive Code: Large Language Models for Software Development and Verification in Safety-Critical Systems

要約

安全性が批判的な自動車ソフトウェアの開発は、システムの複雑さと厳格な規制の要求の増加により、重要な課題を提示します。
このペーパーでは、生成人工知能（GENAI）をソフトウェア開発ライフサイクル（SDLC）に統合する新しいフレームワークを提案します。
このフレームワークは、大規模な言語モデル（LLM）を使用して、C ++などの言語でコード生成を自動化し、静的検証、テスト駆動型開発、反復改良などの安全性に焦点を当てたプラクティスを組み込みます。
フィードバック駆動型パイプラインにより、安全基準を順守するためのテスト、シミュレーション、検証の統合が保証されます。
フレームワークは、Adaptive Cruise Control（ACC）システムの開発を通じて検証されます。
LLMの比較ベンチマークは、精度と信頼性のために最適なモデル選択を保証します。
結果は、このフレームワークが自動コード生成を可能にしながら、安全性の高い要件を順守し、Genaiを自動車ソフトウェアエンジニアリングに体系的に統合できることを示しています。
この作業は、安全性が批判的なドメインでのAIの使用を進め、最先端の生成モデルと現実世界の安全要件とのギャップを埋めます。

要約(オリジナル)

Developing safety-critical automotive software presents significant challenges due to increasing system complexity and strict regulatory demands. This paper proposes a novel framework integrating Generative Artificial Intelligence (GenAI) into the Software Development Lifecycle (SDLC). The framework uses Large Language Models (LLMs) to automate code generation in languages such as C++, incorporating safety-focused practices such as static verification, test-driven development and iterative refinement. A feedback-driven pipeline ensures the integration of test, simulation and verification for compliance with safety standards. The framework is validated through the development of an Adaptive Cruise Control (ACC) system. Comparative benchmarking of LLMs ensures optimal model selection for accuracy and reliability. Results demonstrate that the framework enables automatic code generation while ensuring compliance with safety-critical requirements, systematically integrating GenAI into automotive software engineering. This work advances the use of AI in safety-critical domains, bridging the gap between state-of-the-art generative models and real-world safety requirements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google