Основные понятия
대규모 언어 모델의 자연어 처리 기능을 활용하여 실제 주행 데이터셋에서 자율주행 시스템 검증에 필요한 다양한 시나리오를 효율적으로 추출하는 방법을 제안한다.
Аннотация
이 연구에서는 Chat2Scenario라는 프레임워크를 소개한다. 이 프레임워크는 OpenAI의 대규모 언어 모델(LLM)을 활용하여 실제 주행 데이터셋에서 다양한 시나리오를 효율적으로 추출한다.
주요 내용은 다음과 같다:
- LLM의 자연어 처리 기능을 활용하여 시나리오 검색 효율성을 높이고 검색 가능한 시나리오 유형을 확장한다.
- 시나리오의 위험도를 정량적으로 평가할 수 있는 지표를 제공하여 검색 정확도를 높인다.
- 실제 주행 데이터셋과 시뮬레이션 플랫폼을 연결하는 사용자 친화적인 웹 애플리케이션을 제공한다.
이 프레임워크는 자율주행 시스템 기능 테스트 과정을 간소화하고 복잡한 데이터셋 분석을 단순화할 수 있을 것으로 기대된다.
Статистика
자율주행 시스템 검증을 위해서는 수십억 마일의 주행 데이터가 필요하지만, 실제 도로 주행 테스트만으로는 효율적이지 않다.
시나리오 기반 가상 주행 환경 테스트가 대안으로 제시되었지만, 실제 데이터 수집과 고품질 시뮬레이터 구축이 어려운 문제가 있다.
기존 도구들은 데이터 호환성 제한, 단일 시나리오 추출, 위험도 평가 부재, 사용자 친화성 부족 등의 한계가 있다.
Цитаты
"시나리오 기반 가상 주행 환경 테스트가 대안으로 제시되었지만, 실제 데이터 수집과 고품질 시뮬레이터 구축이 어려운 문제가 있다."
"기존 도구들은 데이터 호환성 제한, 단일 시나리오 추출, 위험도 평가 부재, 사용자 친화성 부족 등의 한계가 있다."