Khái niệm cốt lõi
CARLA Leaderboard 2.0 Challenge の地図トラックで優勝したKyber-E2Eシステムの自律走行アーキテクチャを分析し、その設計手法と各モジュールの影響を明らかにする。
Tóm tắt
本論文では、CARLA Leaderboard 2.0 Challenge の地図トラックで優勝したKyber-E2Eシステムの自律走行アーキテクチャを分析している。このシステムは、センシング、ローカリゼーション、認識、追跡/予測、計画/制御の5つの主要コンポーネントから成る。
認識モジュールでは、言語支援の視覚モデルを統合することで、複雑なシーンの解釈精度と効率を高めている。追跡と予測では、アンセンテッド・カルマンフィルタとアンバランスな線形割当を組み合わせることで、動的環境での物体の軌跡を効果的に追跡・予測している。計画モジュールでは、逆強化学習を用いてパラメータを最適化し、複雑な走行シナリオを短時間で安全に航行できるようにしている。
実験結果から、このモジュール型アーキテクチャが有効であることが示された。また、各モジュールの影響を分析し、認識精度の向上や遠距離情報の活用など、今後の改善点も明らかにしている。
Thống kê
本システムは、CARLA Leaderboard 2.0 Challenge の地図トラックで1位を獲得した。
運転スコア(DS)は3.109、経路完了率(RC)は5.285、違反ペナルティ(IS)は0.669であった。
Trích dẫn
"我々のソリューションは、状況に応じて適応的に行動できる堅牢な運動プランナーの開発を可能にしている。"
"認識モジュールの精度が低下すると、プランナーの性能にも大きな影響が出る。特に、対向車線への車線変更が必要な状況では、遠距離の情報が不足しているため、最適な判断ができない。"