Survey of GenAI for Automotive Software Development: From Requirements to Executable Code

📄 arXiv: 2507.15025v1 📥 PDF

作者: Nenad Petrovic, Vahid Zolfaghari, Andre Schamschurko, Sven Kirchner, Fengjunjie Pan, Chengdng Wu, Nils Purschke, Aleksei Velsh, Krzysztof Lebioda, Yinglei Song, Yi Zhang, Lukasz Mazur, Alois Knoll

分类: cs.SE, cs.AI

发布日期: 2025-07-20

备注: Conference paper accepted for GACLM 2025

💡 一句话要点

探索GenAI在汽车软件开发中的应用，涵盖需求、合规与代码生成

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 生成式人工智能 汽车软件开发 大型语言模型 需求工程 代码生成 合规性 检索增强生成

📋 核心要点

  1. 汽车软件开发流程冗长且成本高昂，对GenAI的需求日益增长，旨在应对严格的标准和大量的需求。
  2. 论文探索了利用GenAI技术，如LLMs、RAG和VLMs，来辅助汽车软件开发中的需求管理、合规性检查和代码生成等关键环节。
  3. 通过文献综述和行业调查，论文提出了一个通用的GenAI辅助汽车软件开发流程，并总结了当前行业内GenAI工具的使用情况。

📝 摘要（中文）

本研究探讨了生成式人工智能（GenAI）在汽车软件开发各个阶段的应用，旨在通过减少人工干预和简化复杂流程来革新该领域。重点关注需求处理、合规性以及代码生成等方面。论文涵盖了大型语言模型（LLMs）、检索增强生成（RAG）和视觉语言模型（VLMs）等前沿GenAI技术，并概述了代码生成中采用的提示技术。此外，基于文献综述，提炼出一个通用的GenAI辅助汽车软件开发工作流程。最后，总结了一项针对汽车行业合作伙伴的调查结果，该调查涉及他们日常工作活动中使用的GenAI工具类型。

🔬 方法详解

问题定义：汽车软件开发面临着需求量大、流程复杂、合规性要求严格等挑战，导致开发周期长、成本高昂。现有方法在处理这些问题时效率较低，需要大量的人工干预。因此，如何利用GenAI技术来自动化和优化汽车软件开发流程，降低开发成本，提高开发效率，是一个亟待解决的问题。

核心思路：论文的核心思路是探索和评估GenAI技术在汽车软件开发各个阶段的应用潜力，包括需求处理、合规性检查和代码生成。通过引入LLMs、RAG和VLMs等先进的GenAI模型，结合合适的提示技术，旨在实现汽车软件开发的自动化和智能化。

技术框架：论文构建了一个通用的GenAI辅助汽车软件开发工作流程，该流程可能包含以下主要模块/阶段：1) 需求获取与分析：利用LLMs理解和解析用户需求；2) 需求验证与合规性检查：使用GenAI模型检查需求是否符合行业标准和法规；3) 代码生成：根据需求描述，利用LLMs自动生成代码；4) 代码测试与验证：对生成的代码进行测试和验证，确保其功能正确性和安全性。

关键创新：论文的关键创新在于系统性地研究了GenAI技术在汽车软件开发中的应用，并提出了一个通用的GenAI辅助开发流程。与现有方法相比，该方法能够更有效地处理大量的需求，自动化代码生成过程，并提高软件开发的效率和质量。

关键设计：论文中涉及的关键设计可能包括：1) 针对不同开发阶段选择合适的GenAI模型，例如使用LLMs进行需求理解和代码生成，使用VLMs处理与视觉相关的需求；2) 设计有效的提示策略，引导GenAI模型生成高质量的代码；3) 构建合适的评估指标，用于评估GenAI模型在不同任务上的性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过行业调查发现，汽车行业合作伙伴正在积极探索和使用GenAI工具来辅助日常工作。具体的性能数据和对比基线在摘要中未明确提及，但强调了GenAI在汽车软件开发中的潜在价值和应用前景。未来的研究可以进一步量化GenAI带来的性能提升。

🎯 应用场景

该研究成果可应用于汽车软件开发领域，帮助汽车制造商和供应商提高软件开发效率、降低开发成本、提升软件质量。通过自动化需求处理、代码生成和合规性检查等环节，可以加速汽车软件的迭代和创新，从而推动智能汽车技术的发展。

📄 摘要（原文）

Adoption of state-of-art Generative Artificial Intelligence (GenAI) aims to revolutionize many industrial areas by reducing the amount of human intervention needed and effort for handling complex underlying processes. Automotive software development is considered to be a significant area for GenAI adoption, taking into account lengthy and expensive procedures, resulting from the amount of requirements and strict standardization. In this paper, we explore the adoption of GenAI for various steps of automotive software development, mainly focusing on requirements handling, compliance aspects and code generation. Three GenAI-related technologies are covered within the state-of-art: Large Language Models (LLMs), Retrieval Augmented Generation (RAG), Vision Language Models (VLMs), as well as overview of adopted prompting techniques in case of code generation. Additionally, we also derive a generalized GenAI-aided automotive software development workflow based on our findings from this literature review. Finally, we include a summary of a survey outcome, which was conducted among our automotive industry partners regarding the type of GenAI tools used for their daily work activities.