Conceitos Básicos
모듈식 아키텍처를 사용하여 CARLA 리더보드 2.0 챌린지에서 1위를 달성한 자율 주행 시스템의 핵심 구성 요소와 설계 접근법을 제시합니다.
Resumo
이 논문은 CARLA 리더보드 2.0 자율 주행 챌린지에서 1위를 차지한 Kyber-E2E 솔루션의 아키텍처를 소개합니다. 이 솔루션은 감지, 위치 추정, 인지, 추적/예측, 계획/제어의 5가지 주요 구성 요소로 이루어진 모듈식 아키텍처를 사용합니다.
감지 모듈은 카메라, 라이다, 레이더 등 다양한 센서를 활용합니다. 인지 모듈은 최신 언어 보조 비전 모델을 사용하여 복잡한 장면을 정확하고 효율적으로 해석합니다. 추적 및 예측 모듈은 언스센티드 칼만 필터와 불균형 선형 할당 알고리즘을 사용하여 동적 환경에서 객체의 궤적을 효과적으로 추적하고 예측합니다. 계획 및 제어 모듈은 역강화 학습을 통해 최적화된 모션 플래너를 사용하여 복잡한 주행 시나리오를 안전하게 탐색합니다.
실험 결과는 이 모듈식 접근법이 CARLA 리더보드 2.0 챌린지의 다양한 과제를 효과적으로 해결할 수 있음을 보여줍니다. 또한 각 모듈의 기여도 분석을 통해 자율 주행 시스템 개발 시 자원 배분의 중요성을 강조합니다.
Estatísticas
제안된 솔루션은 CARLA 리더보드 2.0 챌린지 맵 트랙에서 1위를 달성했습니다.
제안된 솔루션의 주행 점수(Driving Score)는 3.109, 경로 완성도(Route Completion)는 5.285, 위반 벌점(Infraction Penalty)은 0.669입니다.
Citações
"우리는 모듈식 아키텍처를 사용하여 CARLA 리더보드 2.0 챌린지에서 1위를 달성했습니다."
"우리의 솔루션은 최신 언어 보조 비전 모델을 활용하여 복잡한 장면을 정확하고 효율적으로 해석합니다."
"우리는 역강화 학습을 통해 최적화된 모션 플래너를 사용하여 복잡한 주행 시나리오를 안전하게 탐색합니다."