본 논문은 모델 기반 학습 방식의 한계를 극복하고 실행 지식을 활용하여 경로 추적 제어 정책을 지속적으로 개선하는 평생 정책 학습 프레임워크를 제안한다.
자율주행 코너 케이스에 대한 대규모 비전-언어 모델의 성능을 자동으로 평가하고 분석하는 새로운 벤치마크 CODA-LM을 제안한다.
언어 모델을 자율주행 시스템에 통합하여 사용자 명령을 해석하고 실행할 수 있는 새로운 프레임워크 LaMPilot을 제안하고, 이를 평가하기 위한 벤치마크 데이터셋 LaMPilot-Bench를 소개한다.
본 연구는 3D 오픈 어휘 범용 분할 문제를 해결하기 위해 학습 가능한 LiDAR 특징과 고정된 비전 CLIP 특징의 융합, 객체 수준 증류 손실 및 voxel 수준 증류 손실을 제안한다.
자율주행 차량이 상호작용이 있는 주행 상황에서 안전하면서도 과도하게 보수적이지 않은 행동을 생성하기 위해, 딥러닝 기반 궤적 예측 모델과 위험 잠재력 필드 기반 경로 계획을 통합하였다.
본 논문에서는 VQ-VAE를 이용하여 다중 모드 주행 궤적 분포를 학습하고, 미분 가능한 최적화 기반 안전 필터를 제안하여 충돌 회피를 보장하는 자율주행 시스템을 개발하였다.
자율주행을 위한 운동 예측 문제에서 관찰된 상태와 예측된 상태를 통일된 표현 공간으로 나타내고, 이를 활용한 자기회귀 예측 기법을 제안하였다. 이를 위해 복잡한 공간-시간적 관계를 고려한 맞춤형 주의 메커니즘과 상대적 위치 인코딩을 도입하였다.
단일 이미지와 희소하고 노이즈가 있는 레이더 데이터를 융합하여 정확한 메트릭 깊이 추정을 달성합니다.
다중 센서 데이터를 효과적으로 융합하고 운전자의 주의력 정보를 활용하여 복잡한 교통 상황에서 안전하고 인간적인 장면 이해 능력을 갖추는 자율주행 시스템을 제안한다.
정보 기반 스펙트럼 정규화 가우시안 프로세스 모델은 기존 모델 대비 데이터 효율성과 위치 이전 강건성이 향상된다.