Core Concepts
딥 앙상블 기반의 거리 추정과 확률적 모델 예측 제어를 통해 지각 불확실성을 고려한 안전한 적응형 크루즈 컨트롤 알고리즘을 제안한다.
Abstract
이 논문은 자율주행 차량의 적응형 크루즈 컨트롤 알고리즘을 제안한다. 자율주행 차량은 카메라 센서를 통해 전방 차량과의 거리를 추정하고, 이를 바탕으로 가속 및 제동을 제어한다.
논문에서는 다음과 같은 접근법을 제안한다:
딥 앙상블 기반의 거리 추정: 다양한 CNN 아키텍처로 구성된 딥 앙상블을 통해 거리 추정값과 함께 추정 불확실성을 제공한다.
확률적 모델 예측 제어: 딥 앙상블의 거리 추정 결과를 활용하여 확률적 안전성을 보장하는 적응형 크루즈 컨트롤 알고리즘을 개발한다.
실험 결과, 제안된 알고리즘은 고정밀 시뮬레이터와 실제 주행 데이터에서 우수한 속도 추종 및 차량 추종 성능을 보였으며, 분포 외 상황에서도 안전성을 유지하였다.
Stats
차량 최대 속도는 34 m/s이며, 최대 가속도/감속도는 ±6 m/s^2 범위 내에 있다.
대부분의 차량은 5 m 이상의 차간 거리와 ±5 m/s 이내의 상대 속도 차이를 유지한다.
Quotes
"딥 뉴럴 네트워크 기반의 지각 시스템은 인간과 유사한 이해력을 보이지만, 예측 불가능한 행동과 해석 가능성 부족으로 인해 안전 중요 시나리오에서 배치가 어려울 수 있다."
"제안된 ACC 알고리즘은 속도 추종 및 차량 추종 작업을 효과적으로 수행하며, 분포 외 상황에서도 안전성을 유지한다."