车载信息娱乐系统（IVI）功能多、界面迭代快、回归测试成本高。传统 UI 自动化脚本脆弱、维护负担重，ARIA 尝试用多智能体 LLM 框架替代人工点测。

框架由四个专用 Agent 构成闭环：Planner（规划）拆解测试目标；UI Recognizer（界面识别）基于视觉理解当前屏幕；Interaction Agent（交互）执行点击/输入；Result Evaluator（结果评估）判定步骤成败，最终由 Reporter 汇总缺陷。

区别于依赖控件树的方案，ARIA 以屏幕截图作为主要输入，对 Android IVI 的碎片化 UI、弹窗、动画有更强鲁棒性，无需为每个版本维护控件定位脚本。

在 30 个真实 IVI 测试场景中，ARIA 达到 93.3% 的任务完成率。对比单智能体基线，误报率从 72% 降至 52.6%，多 Agent 分工显著提升了定位与判定的准确性。

当前局限包括：长流程测试的状态记忆、异常路径覆盖不足、对车载硬件信号（CAN 总线）的依赖。工程落地需与 CI 流水线、HIL 台架、缺陷管理系统打通。

ARIA 展示了"智能体 + 视觉 + 嵌入式系统测试"的可行路径，为 AUTOSAR 体系外的 IVI 层测试提供了新的自动化范式。