○ 정보보호대학원 소순범 교수팀의 공동 연구 논문이 2026년 10월 5일부터 7일까지 미국 캘리포니아주 오클랜드에서 개최되는 OOPSLA 2026 발표 논문으로 채택됨. 본 연구는 고려대학교 정보대학 컴퓨터학과 오학주 교수팀과의 공동 연구를 통해 수행됨

- 논문 제목: Prunario: Testing Autonomous Driving Systems by Pruning Likely Redundant Scenarios

- 저자 정보: 김민수, 소순범*, 오학주* (* 공동 교신저자)

- 학회 홈페이지: https://conf.researchr.org/track/splash-2026/oopsla-2026

○  OOPSLA(ACM International Conference on Object-Oriented Programming Systems, Languages, and Applications)는 프로그래밍 언어 및 소프트웨어 분석 분야 세계 최고 권위의 국제학술대회로 평가받고 있으며, 국내 BK21 사업에서도 최우수 국제학술대회(인정 IF 최고 등급인 4)로 지정되어 있음

○ 논문 요약

- [배경] 자율주행 기술의 발전과 함께 자율주행 시스템(ADS)의 상용화 가능성이 점차 높아지고 있음. 그러나 ADS 결함으로 인한 사고는 막대한 재산 피해와 인명 피해로 이어질 수 있어, ADS 안전성 검증 기술의 선제적 확보가 중요한 과제로 부상하고 있음. 최근 시뮬레이션 환경 기반 ADS 테스팅 기법이 활발히 연구되었지만, 비슷한 주행 양상을 보이는 시나리오를 반복적으로 생성 및 실행(시뮬레이션)하는 데 상당한 시간이 소요되어 ADS 안전성을 효율적으로 검증하기 어렵다는 한계를 지님

- [핵심 아이디어] 기존 연구의 성능 한계를 극복하기 위해, 본 논문에서는 '시뮬레이션 예측 기반 가지치기 (simulation prediction-based pruning)' 기술을 제안함. 제안 기법은 과거 시뮬레이션 실행 결과를 학습하여, 기존 주행 기록과 유사한 주행 양상을 보일 것으로 예측되는, 즉 '중복 가능성이 높은(likely redundant)' 시나리오를 사전에(시뮬레이션 실행 없이) 식별하고 제거함. 이를 통해 주어진 시간 내 더욱 다양한 시나리오를 탐색할 수 있도록 하여, 테스팅의 효율성과 버그 탐지 성능을 동시에 향상시킬 수 있음

- [실험 결과] 오픈소스 자율주행 시스템인 Autoware를 대상으로 수행한 실험에서, 제안 기법은 기존 최신 기술 대비 우수한 버그 검출 성능을 보이고, 기존에 보고되지 않았던 23개의 버그를 탐지해냄으로써 기술의 유용성을 입증하였음