Core Concepts
확산 모델과 트랜스포머를 결합하여 실제 교통 상황을 반영하는 트래픽 시나리오 생성 모델을 제안한다.
Abstract
이 논문은 자율 주행 시스템 개발을 위한 실제적이고 다양한 트래픽 시나리오를 생성하는 새로운 접근법을 소개한다. 주요 내용은 다음과 같다:
확산 모델과 트랜스포머를 결합한 "TSDiT" 모델을 제안했다. 확산 모델을 통해 에이전트 행동의 다양성과 불확실성을 높이고, 트랜스포머 블록을 통해 에이전트 간 상호작용과 도로 정보를 효과적으로 모델링한다.
"세계 중심" 데이터 전처리 방식을 도입하여 개별 에이전트 중심의 좌표계 변환 문제를 해결했다. 이를 통해 한 번의 추론으로 전체 트래픽 시나리오의 미래 궤적을 생성할 수 있다.
실험 결과, TSDiT 모델이 복잡한 회전 궤적을 잘 생성하는 등 기존 방법 대비 우수한 성능을 보였다. 이는 TSDiT의 확산 모델과 트랜스포머 결합이 실제 교통 상황을 잘 반영할 수 있음을 보여준다.
Stats
생성된 트래픽 시나리오의 평균 변위 오차(ADE)는 0.684로 기존 방법 대비 우수하다.
생성된 트래픽 시나리오의 최종 변위 오차(FDE)는 1.792로 기존 방법과 유사한 수준이다.
생성된 에이전트의 속도 및 방향 분포는 실제 데이터와 유사한 수준이다.
Quotes
"확산 모델과 트랜스포머를 결합하여 실제 교통 상황을 반영하는 트래픽 시나리오 생성 모델을 제안한다."
"'세계 중심' 데이터 전처리 방식을 도입하여 개별 에이전트 중심의 좌표계 변환 문제를 해결했다."
"실험 결과, TSDiT 모델이 복잡한 회전 궤적을 잘 생성하는 등 기존 방법 대비 우수한 성능을 보였다."