본 논문은 자율주행 차량에서 주변 에이전트의 미래 움직임을 예측하는 문제를 다룬다. 최근 연구에서는 고해상도 지도와 주변 에이전트의 상태 정보와 같은 상황 정보를 활용하여 예측 성능을 크게 향상시켰다. 그러나 이러한 복잡한 상황 인코딩은 높은 계산 비용과 메모리 사용량을 초래하여 실시간 요구사항을 충족하기 어려운 문제가 있다.
이를 해결하기 위해 본 논문은 SmartRefine이라는 시나리오 적응형 정제 프레임워크를 제안한다. SmartRefine은 다음과 같은 핵심 특징을 가진다:
실험 결과, SmartRefine은 다양한 최신 움직임 예측 모델에 적용되어 정확도를 일관되게 향상시키면서도 계산 비용은 크게 증가시키지 않는다. 특히 QCNet 모델에 SmartRefine을 적용하여 Argoverse 2 리더보드에서 최고 성능을 달성했다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Yang Zhou,Ha... : arxiv.org 03-19-2024
https://arxiv.org/pdf/2403.11492.pdfDaha Derin Sorular