체계적인 방법론은 환경 기준 설정으로 시작되며, 재현 가능한 테스트 행렬을 만들기 위해 통제된 조명 조건(럭스 수준, 색온도) 및 표면 질감(특징이 풍부한 것과 균일한 것)을 문서화합니다.
다음으로, 감지된 평면에 앵커 포인트를 배치하고 카메라 피드를 10-15분 간격으로 유지하면서 가상 객체의 월드 스페이스 좌표를 물리적 참조 마커에 대한 로그를 주기적으로 기록하여 세션 기반 드리프트 감지를 수행합니다.
차폐 검증을 위해, 다양한 거리와 각도로 실제 물리적 차폐물(의자, 테이블 등)을 도입하고, 깊이 맵의 정확성에 따라 이러한 장애물 앞뒤 모두에서 가상 객체가 올바르게 렌더링되는지 확인합니다.
테스트 전에 GPU 집약적인 백그라운드 애플리케이션을 실행하여 장치 열을 시뮬레이션하고, Android GPU Profiler 또는 Xcode Metal System Trace를 사용하여 프레임 속도 및 추적 안정성을 측정함으로써 열 상태 모니터링을 구현합니다.
마지막으로, ARCore의 좌표계 드리프트 관용도가 동일한 환경 조건 하에서 ARKit의 동작과 일치하는지 확인하기 위해 크로스 플랫폼 동등성 테스트를 수행하고, 평면 감지 속도 및 앵커 유지의 불일치를 문서화합니다.
가구 소매 앱의 검증 중에, Samsung Galaxy A52 장치에서 사용자의 상호작용 후 7분이 지나면 가상 소파가 초기 배치에서 8-12센티미터 일관되게 이동한다는 것을 발견했습니다. 반면 iPhone 12 유닛은 동일한 환경에서 서브 센티미터 정확도를 유지했습니다.
이 문제는 따뜻한 LED 조명 아래 저질감 베이지 카펫에서 나타났으며, 열 저하가 지속적인 AR 렌더링 후 Snapdragon 720G SoC 성능을 40% 감소시켰습니다.
솔루션 A: 통제된 실험실 테스트만
우리는 초기에는 높은 대조의 체크무늬 패턴과 지속적인 공기 조절 냉각으로 최적 조건에 테스트를 제한하는 것을 고려했습니다.
장점: 매우 재현 가능한 합격/불합격 기준과 최소한의 환경 변수.
단점: 중립색 카펫이 있는 가정에서 70%의 사용자가 보고한 드리프트 문제를 포착하지 못하여 테스트 스위트가 생산 종료에 비효율적이었습니다.
솔루션 B: 플래그십 장치 전용
또 다른 접근 방식은 전용 냉각 장치가 있는 iPhone 15 Pro 및 Samsung S24 Ultra에서만 테스트하는 것이었습니다.
장점: 열 변수를 제거하고 최적의 PBR 렌더링 품질을 보여주었습니다.
단점: 사용자의 상위 15%만 나타내어 앱이 실제로 열 저하 및 SLAM 추적 손실을 보이는 중급 장치에 영향을 미치는 중요한 성능 문제를 숨겼습니다.
솔루션 C: 열 프로파일링이 포함된 환경 스트레스 행렬
다섯 가지 다양한 표면 질감(대리석, 털이 긴 카펫, 나뭇결, 평범한 석고판, 유리), 세 가지 조명 시나리오(자연적인 일광, 형광등 사무실, 따뜻한 백열등), 두 가지 열 상태(차가운 재부팅 대 게임 후 45°C 장치 온도)를 결합한 포괄적인 행렬을 구현하기로 선택했습니다.
장점: 사용자가 보고한 드리프트 및 차폐 실패를 정확하게 재현하고 열 저하 지점에 대한 정량적 데이터를 제공합니다.
단점: 테스트 실행 시간이 3배 더 필요하고 다양한 바닥 시료 및 조명 장비 구매가 필요했습니다.
결정된 솔루션과 결과:
우리는 현장 실패 보고와 직접적으로 연관된 솔루션 C를 채택했습니다. 베이지 카펫 위의 열이 스트레스받는 Galaxy A52 유닛에서 테스트함으로써 ARCore의 포인트 클라우드 신뢰도가 안정적인 추적을 위해 필요한 0.6 임계값 아래로 떨어지는 것을 확인했으며, 드리프트를 유발했습니다. 개발 팀은 장치 온도가 42°C를 초과할 때 그림자 레이 캐스팅을 감소시키는 동적 품질 스케일링을 구현하여 SLAM 추적을 안정화하고 30fps 이상의 일관된 프레임 속도를 유지했습니다.
수동 테스트 중 시각적 특징이 부족하여 발생한 SLAM 추적 손실과 모션 블러를 어떻게 구분합니까?
많은 후보자들은 환경 물리학을 고려하지 않고 모든 추적 불안정성을 소프트웨어 버그에 귀속시킵니다. 시각적 특징이 부족한 경우(백색 벽이나 반짝이는 표면과 같은) ARCore/ARKit이 정적 조건에서 일관되게 낮은 trackingState 신뢰도를 보고하는데, 이는 Logcat 또는 Xcode 콘솔 로그에서 "InsufficientFeatures" 오류로 나타납니다. 반면 모션 블러는 카메라 피드에서 번짐이 보이는 동안 IMU(관성 측정 장치)에서 높은 가속도계 수치의 급격한 움직임 스파이크와 연관이 있습니다. 수동으로 구별하려면 장치를 완전히 정지시키도록 하십시오; 추적이 여전히 불안정하다면 시각적 특징이 문제입니다. 움직임이 멈출 때 안정성이 회복된다면 모션 블러가 원인입니다.
여러 색온도에서 PBR 재료 검증이 필요한 이유와 분광계 없이 조명 추정 정확성을 어떻게 검증합니까?
후보자들은 종종 단일 인공 조명 아래에서 PBR 재료를 테스트하고 성공을 선언하지만, ARKit의 조명 추정 또는 ARCore의 Environmental HDR 모드가 백열등 2700K 빛을 주광 6500K로 잘못 해석하여 금속이 은색으로 렌더링되거나 매트 플라스틱이 금속으로 보이게 할 수 있습니다. 특수 하드웨어 없이 수동으로 테스트하기 위해 물리적인 X-Rite ColorChecker 차트나 표준 화이트 A4 용지를 가상 객체 옆에 배치합니다. 가상 객체의 반사광과 확산 반사를 물리적 용지가 어떻게 보이는지 비교합니다. 가상 객체가 동일한 빛 아래에서 종이와 비교하여 부자연스럽게 차갑거나 따뜻하게 보인다면 조명 추정 알고리즘이 보정이 필요합니다.
보호 전화 케이스가 SLAM 성능에 미치는 영향은 무엇이며 테스트 담당자들은 종종 이 변수를 간과하는 이유는 무엇인가요?
QA 엔지니어는 종종 원이 개발 장치에서 테스트하는데, 85%의 사용자가 다운워드 페이싱의 시간 비행 센서나 LiDAR 스캐너를 방해할 수 있는 보호 케이스를 사용한다는 것을 간과합니다. 이러한 깊이 센서가 차단되면 시스템은 정확성이 현저히 낮은 RGB 카메라 기반 추적으로 전환되어 차폐 탐지 및 평면 탐지 속도가 낮아집니다. 테스터는 케이스가 장착된 상태에서 유효성을 검증해야 하며, 특히 두꺼운 보호 케이스나 금속 고리가 있는 경우에 조심해야 하며, 깊이 센서 차단이 Camera2 API 진단 또는 AVFoundation 메타데이터를 통해 감지되면 앱이 "Surface detection may be impaired" 경고를 표시하여 원활하게 저하되는지 확인해야 합니다.