자율주행

サインイン

자율주행 기술에 대규모 언어 모델(LLM)을 적용하면 인간의 의도를 더 잘 이해하고 개인 맞춤형 주행 경험을 제공하여 자율주행 시스템의 다양한 측면을 향상시킬 수 있다.

ScenicNL은 자율주행 시스템의 안전성과 성능을 검증하기 위해 자연어로 작성된 사고 보고서를 분석하여 다양한 주행 시나리오를 자동으로 생성하는 AI 시스템이다.

비동기 레이더와 라이다 센서의 문제를 해결하기 위해 레이더 속도 정보를 활용하여 미래 레이더 포인트 위치를 추정하는 방법을 제안하였다.

자율주행 환경에서 발생할 수 있는 이상 상황을 시간적 맥락 내에서 효과적으로 탐지하는 하이브리드 비디오 이상 탐지 기법을 제안한다.

VLM-Auto는 시각적 입력을 분석하여 환경 정보를 이해하고, 이를 바탕으로 자율주행 차량의 운전 행동을 조정하는 시스템입니다.

대규모 언어 모델은 자율주행 시스템의 이해력, 추론 능력, 의사소통 능력을 향상시켜 기존 자율주행 알고리즘의 한계를 극복할 수 있다.

다중 모달 엔드-투-엔드 자율주행 시스템은 지각 센서 데이터와 자차 상태 데이터를 통합하여 안전하고 신뢰할 수 있는 주행을 가능하게 한다.

Words2Wheels 프레임워크는 자연어 사용자 명령을 기반으로 맞춤형 자율주행 정책을 자동으로 생성한다.

자율주행 시스템의 제어 능력을 평가하기 위해 CARLA 시뮬레이터에서 다양한 코너 케이스 시나리오를 구현하고 분석한다.

본 논문은 모델 기반 학습 방식의 한계를 극복하고 실행 지식을 활용하여 경로 추적 제어 정책을 지속적으로 개선하는 평생 정책 학습 프레임워크를 제안한다.

会社概要

プロダクト

リソース