SDMap 사전 정보를 활용한 토폴로지 향상 차선 세그먼트 인식: TopoSD
본 논문에서는 자율 주행에서 카메라 입력만으로 차선 세그먼트를 인식하는 데 어려움을 겪는 문제를 해결하기 위해 SDMap(Standard Definition Map)을 사전 정보로 활용하여 차선 세그먼트의 기하학적 구조와 토폴로지 정보를 예측하는 TopoSD 모델을 제안합니다.
에너지 효율적인 자율 주행을 위한 일반화된 내쉬 균형 문제(GNEP) 접근 방식: 차량 루프 실험
본 논문에서는 자율 주행 차량의 에너지 효율적인 주행을 위해 차량 간 의도 공유를 통한 GNEP 기반의 분산형 모델 예측 제어 방법을 제시하고, 시뮬레이션 및 실제 차량 실험을 통해 그 효과를 검증합니다.
자율 주행을 위한 실시간 LiDAR 기반 조감도 다중 작업 인식 네트워크, LiDAR-BEVMTN
본 논문에서는 자율 주행을 위한 실시간 LiDAR 기반 다중 작업 인식 네트워크인 LiDAR-BEVMTN을 제안하며, 이는 객체 감지, 의미론적 분할, 움직임 분할을 단일 네트워크에서 효율적으로 수행합니다.
다양한 기상 조건에서 자율 주행을 위한 새로운 MLLM 기반 접근 방식: 성능 분석 및 미래 방향
본 논문에서는 다양한 기상 조건에서 자율 주행 시스템의 안전성과 효율성을 향상시키기 위해 MLLM 기반 자율 주행 에이전트인 MLLM-AD-4o를 제안하고, CARLA 시뮬레이터 환경에서 다양한 센서 구성을 사용하여 그 성능을 평가합니다.
자율 주행을 통한 동적 인지 지도 학습 및 환경 재매핑
본 논문에서는 에이전트가 사전 지식 없이 복잡한 환경을 탐색하고 학습할 수 있는 새로운 동적 인지 매핑 모델을 제안합니다. 능동 추론 프레임워크 내에서 예측된 위치에 대한 동적으로 확장되는 인지 지도를 통합하여 새로운 환경 및 변화에 대한 에이전트의 생성 모델 가소성을 향상시킵니다.
OWL을 이용한 효율적인 자율 주행 프레임워크를 위한 이상치 기반 레이어별 가지치기
자율 주행 시스템에 대규모 언어 모델(LLM)을 효율적으로 통합하기 위해 이상치 기반 레이어별 가지치기 기술을 활용하여 LLM의 크기를 줄이고 계산 효율성을 높이는 동시에 성능 저하를 최소화하는 프레임워크를 제안합니다.
자율 주행을 위한 간단하고 효과적인 다중 에이전트 공동 예측 방법
자율 주행에서 다중 에이전트의 경로를 예측할 때, 기존의 개별 에이전트 예측 모델을 넘어 장면 전체의 일관성을 유지하는 공동 예측 방법이 중요하며, 본 논문에서는 SIMPL 모델을 기반으로 장면 수준의 손실 함수와 WTA 전략을 사용하여 일관성 있는 공동 경로 예측을 생성하는 효과적인 방법을 제시합니다.
자율 주행 차량을 위한 DP 및 QP 기반 의사 결정 및 계획
본 논문에서는 동적 프로그래밍(DP) 기반 전역 경로 계획과 2차 프로그래밍(QP) 기반 로컬 궤적 최적화를 활용하여 자율 주행 차량의 안전하고 효율적인 주행을 위한 의사 결정 및 계획 프레임워크를 제안합니다.
자율 주행을 위한 연합 데이터 기반 칼만 필터링 기법: FedKalmanNet 소개 및 성능 비교
본 논문에서는 자율 주행 차량의 정확한 위치 추정을 위해 연합 학습 기반의 새로운 데이터 기반 칼만 필터링 프레임워크인 FedKalmanNet을 제안하고, 기존의 협력적 의사 결정 방식보다 우수한 성능을 보임을 실험을 통해 입증합니다.
인간 운전 차량 및 자율 주행 차량의 추종 주행 행동 예측을 위한 지식 증류 신경망 모델
본 연구는 자율 주행 차량과 인간 운전 차량이 혼재된 교통 상황에서 추종 주행 행동을 예측하기 위해 지식 증류 신경망(KDNN) 모델을 개발하고, 기존 모델 대비 예측 정확도와 계산 효율성을 향상시켰음을 보여줍니다.
© 2024 by Linnk AI