Core Concepts
CRITICAL 프레임워크는 실제 세계 교통 역학, 운전 행동 분석, 대리 안전 지표를 통합하여 자율주행 차량 훈련 및 평가를 위한 다양하고 위험한 시나리오를 생성합니다. 또한 대형 언어 모델을 활용하여 이러한 시나리오를 더욱 정교하게 생성할 수 있습니다.
Abstract
CRITICAL 프레임워크는 자율주행 차량 훈련과 평가를 위한 새로운 접근법을 제시합니다. 이 프레임워크는 실제 세계 교통 역학, 운전 행동 분석, 대리 안전 지표를 활용하여 다양하고 위험한 시나리오를 생성합니다. 또한 대형 언어 모델을 통합하여 이러한 시나리오를 더욱 정교하게 생성할 수 있습니다.
구체적으로 다음과 같은 특징을 가지고 있습니다:
highD 데이터셋을 활용하여 실제 세계 교통 역학을 시뮬레이션에 반영
운전 행동 유형(공격적, 방어적, 일반)을 클러스터링하여 다양한 차량 행동 모델링
충돌 시간(TTC) 및 통합 위험 지수(r)와 같은 대리 안전 지표를 사용하여 위험 시나리오 식별
대형 언어 모델을 활용하여 식별된 위험 시나리오를 기반으로 새로운 시나리오 생성
이러한 접근법을 통해 CRITICAL 프레임워크는 강화 학습 기반 자율주행 차량 알고리즘의 학습 속도 향상, 전반적인 성능 향상, 안전성 강화를 달성할 수 있습니다.
Stats
차량 밀도가 높을수록 충돌 위험이 증가한다.
공격적인 운전 행동을 보이는 차량이 많을수록 위험 지수가 높아진다.
차량 간 상대 속도가 빠를수록 충돌 위험이 증가한다.
Quotes
"CRITICAL 프레임워크는 실제 세계 교통 역학, 운전 행동 분석, 대리 안전 지표를 통합하여 자율주행 차량 훈련 및 평가를 위한 다양하고 위험한 시나리오를 생성합니다."
"대형 언어 모델을 활용하여 식별된 위험 시나리오를 기반으로 새로운 시나리오를 생성함으로써 자율주행 차량 알고리즘의 성능과 안전성을 향상시킬 수 있습니다."