생성형 인공지능(Generative Artificial Intelligence, GenAI)은 콘텐츠 생성, 추론, 계획, 그리고 멀티모달 이해에 있어 전례 없는 역량을 바탕으로 산업을 재구성하는 변혁적 기술의 물결을 이룬다. 이러한 혁신적 동력은 특히 Level 5 자율주행을 추구하는 맥락에서, 공학이 직면한 가장 거대한 과제 중 하나인 신뢰할 수 있는 완전 자율주행의 달성을 향한 지금까지의 가장 유망한 경로를 제공한다. 본 조사는 자율주행 스택 전반에서 나타나는 GenAI의 부상하는 역할에 대해 포괄적이고 비판적인 종합을 제공한다. 우리는 먼저 VAEs, GANs, Diffusion Models, 그리고 Large Language Models(LLMs)를 포함하는 현대 생성형 모델링의 원리와 상충관계를 정리한다. 이어서 이미지, LiDAR, 궤적, 점유(occupancy), 비디오 생성뿐 아니라 LLM이 안내하는 추론 및 의사결정에서의 최전선 응용을 매핑한다. 또한 합성 데이터 워크플로, 엔드투엔드 주행(end-to-end driving) 전략, 고정밀 디지털 트윈(high-fidelity digital twin) 시스템, 스마트 교통 네트워크, 그리고 구현형(embodied) AI로의 도메인 간 전이(cross-domain transfer)와 같은 실용적 응용을 범주화한다. 희귀 사례에 대한 포괄적 일반화, 평가 및 안전 점검, 예산이 제한된 구현, 규제 준수, 윤리적 우려, 환경적 영향과 같은 핵심 장애물과 가능성을 규명하는 한편, 이론적 보장, 신뢰(trust) 지표, 수송(transport) 통합, 그리고 사회기술적 영향(socio-technical influence)에 걸친 연구 계획을 제안한다. 이러한 맥락들을 통합함으로써, 본 조사는 생성형 AI와 고도 자율 모빌리티의 융합을 탐색하는 연구자, 엔지니어, 정책입안자들을 위한 선도적 참고 자료를 제공한다. 인용된 문헌을 지속적으로 관리하는 저장소는 https://github.com/taco-group/GenAI4AD 에서 이용할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.