论文解决了什么问题
汽车信息娱乐系统的验证至今仍以人工测试为主，速度慢、成本高，难以适应敏捷开发和频繁的 OTA 更新。现有的脚本化自动化方案将测试逻辑与具体实现强绑定，导致用例脆弱、维护负担重，一旦界面或流程变更就需要大量改写。如何在 UI 频繁变化的条件下保持测试的稳定性和低维护成本，是车载软件持续交付面临的核心工程问题。
核心方法
ARIA 是一个面向信息娱乐系统自主测试的 Agent 框架。它将测试用例表达为高层意图，由视觉模型感知当前屏幕状态、语言模型理解测试目标并规划操作序列，从而将测试逻辑与底层 UI 实现解耦。这种设计使同一套测试意图可以在界面更新或 OTA 推送后继续运行，减少脚本维护工作量。
方法与已有工作的区别
有原文依据相比传统脚本化自动化，ARIA 将测试逻辑从具体 UI 实现中解耦，改用视觉与语言模型驱动的 Agent 来感知屏幕和规划操作，从而降低因界面变更导致的用例脆弱性和维护成本。
实验结论
- ARIA 框架将测试用例从硬编码脚本改为高层意图描述，由 Agent 自主感知和操作信息娱乐系统界面
- 该设计旨在使测试逻辑能够适应 OTA 更新和界面变更，减少传统脚本因实现变化而失效的问题
- ARIA 通过 Agent 架构将测试意图与 UI 实现解耦，降低脚本脆弱性
- 输入中未给出量化评测数字，实际效率与泛化边界有待进一步验证
局限性与证据边界
- 输入中未提供量化实验数据，无法确认框架在真实测试场景中的效率提升幅度
- 跨车型、跨品牌信息娱乐系统的泛化能力未在输入中明确验证
- 视觉与语言模型在车载环境中的推理延迟和资源消耗未给出具体数据
适合谁阅读
车载信息娱乐系统测试工程师汽车软件持续集成与交付团队关注 Agent 驱动自动化测试的研究者Agent 系统系统基础设施
可核验的原论文来源和作者
- 作者
- 作者信息暂未从原始元数据中确认
- 来源
- arXiv
- 论文 ID
- 2609.04913