불완전한 통신을 활용한 자율주행 차량의 향상된 협력 인지
불완전한 통신 환경에서도 효과적으로 협력 인지를 달성하기 위해, 최적의 도움 차량을 선택하고 통신 자원을 효율적으로 할당하는 방법을 제안한다.
차량 궤적 예측을 위한 그래프 순환 주의 신경 프로세스 모델 GRANP
GRANP는 공간-시간적 관계와 사회적 상호작용을 효과적으로 포착하여 차량 궤적을 예측하고 불확실성을 효율적으로 정량화할 수 있는 모델이다.
효율적인 희소 앵커 메커니즘을 활용한 차선 감지 모델 Sparse Laneformer
희소 앵커 메커니즘을 활용하여 효율적이고 정확한 차선 감지 모델 Sparse Laneformer를 제안한다. 기존 방식의 밀집 앵커와 달리 위치 인식 쿼리와 각도 쿼리를 통해 동적으로 생성되는 희소 앵커를 사용하여 성능과 효율성을 향상시켰다.
자율주행 차량의 주행 스타일이 승객의 선호도에 미치는 영향 - 운전 시뮬레이터 기반 연구
운전자의 주행 스타일 선호도는 자율주행 차량의 수용성과 신뢰도 향상에 중요한 역할을 한다. 본 연구는 다양한 날씨 및 교통 상황에서 자율주행 차량의 측면 주행 스타일에 대한 사용자 선호도를 평가하였다.
자율주행 차량을 위한 예측 수평선 요구사항: 안전성, 편안함, 효율성 최적화
자율주행 차량의 성능을 향상시키기 위해서는 다른 도로 사용자들의 움직임을 예측하는 것이 중요하다. 그러나 이러한 예측의 시간 수평선과 자율주행 차량의 성능 간의 관계는 명확하지 않다. 본 연구에서는 다양한 예측 수평선이 자율주행 차량의 안전성, 편안함, 효율성에 미치는 영향을 분석하고, 특정 애플리케이션에 맞는 최소 요구 및 최적 예측 수평선을 제시한다.
자율주행 차량을 위한 행동 인식 네트워크를 활용한 차선 변경 분류 및 예측
자율주행 차량의 효율적이고 안전한 주행을 위해 주변 차량의 차선 변경 의도를 조기에 예측하는 것이 중요하다. 본 연구는 RGB 비디오 데이터만을 활용하여 3D 행동 인식 모델을 통해 차선 변경 분류 및 예측을 수행하는 새로운 접근법을 제안한다.
자율주행 차량을 위한 우선순위 기반 협력 인지 프레임워크
본 논문은 자율주행 차량들 간의 협력 인지 성능을 향상시키기 위해 우선순위 기반 협력 인지 프레임워크(PACP)를 제안한다. PACP는 차량 간 BEV 매칭 메커니즘을 통해 차량 간 상관관계를 고려하여 우선순위를 결정하고, 이를 바탕으로 통신 자원 할당과 데이터 압축을 최적화한다.
실제 도로 표면 상태를 정확하게 파악하는 새로운 방법: 새 관점에서의 도로 표면 재구성
본 연구는 새로운 관점인 조류 시점(Bird's-Eye-View)에서 도로 표면 높이를 정확하게 재구성하는 두 가지 모델을 제안한다. 이를 통해 기존 방식보다 도로 상태 파악 성능을 크게 향상시킬 수 있다.
자율주행 차량 간 협력 주행을 위한 대규모 언어 모델 기반 프레임워크 AGENTSCODRIVER
AGENTSCODRIVER는 대규모 언어 모델을 활용하여 다중 차량 간 협력 주행을 가능하게 하는 새로운 프레임워크이다. 이를 통해 차량들은 상호 소통하며 복잡한 교통 환경에서 안전하고 효율적으로 주행할 수 있다.
자율주행차와 사람 운전 차량 간 상호작용 모델링을 통한 혼합 차량 군집 주행 제어의 안전성 향상
자율주행차와 사람 운전 차량 간 상호작용을 학습 기반 모델링하여 혼합 차량 군집 주행 제어의 안전성과 효율성을 향상시킨다.
© 2024 by Linnk AI