核心概念
본 연구는 다중 모드 예측과 계획을 통합하는 경량 등가 계획 모델을 제안한다. 이를 통해 입력 공간의 회전 및 이동 변환에 대한 출력 안정성을 보장하고, 샘플 효율성을 높이며, 모델 매개변수를 줄일 수 있다.
摘要
본 연구는 자율주행을 위한 트래젝토리 계획 문제를 다룬다. 기존 방법들은 예측과 계획을 별도로 다루거나, 입력 공간의 변환에 취약한 문제가 있었다. 이에 본 연구는 예측과 계획을 통합하고, 입력 공간의 회전 및 이동 변환에 대한 등가성을 보장하는 경량 모델을 제안한다.
모델은 세 가지 병렬 브랜치로 구성된다. 첫째, 등가 특징 학습 브랜치는 차량 위치 정보를 처리한다. 둘째, 불변 특징 학습 브랜치는 차량 간 관계 정보를 처리한다. 셋째, 등가 경로 유인 브랜치는 고수준 경로 정보를 활용한다. 이를 통해 차량 간 상호작용을 고려하면서도 목표 지향적 행동을 할 수 있다.
모델은 다중 모드 예측과 계획을 통합하여 학습된다. 가장 가능성 높은 모드의 자ego 차량 트래젝토리를 최종 계획으로 선택한다. 실험 결과, 제안 모델은 nuScenes 데이터셋에서 기존 최신 기법 대비 20.6% 향상된 성능을 보였다. 또한 입력 공간 변환에 대한 출력 안정성을 입증하였다.
統計資料
자ego 차량 트래젝토리와 지면 진실 간 L2 거리가 3초 시점에서 20.6% 감소했다.
자ego 차량 트래젝토리와 지면 진실 간 평균 L2 거리가 3.6% 감소했다.
引述
"본 연구는 예측과 계획을 통합하는 첫 등가 계획 모델을 제안한다."
"제안 모델은 입력 공간의 회전 및 이동 변환에 대한 출력 안정성을 보장한다."
"제안 모델은 작은 데이터셋으로도 기존 최신 기법을 능가하는 성능을 보였다."