본 논문은 자율 주행에서 장기간 발생 빈도가 낮은(long-tail) 상황에서의 안전 예측 문제를 해결하기 위해, 고위험 주행 데이터 합성을 통해 Vision-Language Model (VLM)의 동작 위험 예측 성능을 향상시키는 방법을 제시합니다. Bird's-Eye View (BEV) 기반 모션 시뮬레이션을 이용하여 자차, 다른 차량, 환경 세 가지 측면에서 위험을 모델링하고, VLM 훈련에 적합한 고위험 주행 데이터셋 DriveMRP-10K를 생성합니다. 또한, VLM과 독립적으로 동작하는 위험 추정 프레임워크 DriveMRP-Agent를 제안하며, 전역 정보, 자차 관점, 궤적 예측을 위한 새로운 정보 주입 전략을 통합하여 VLM이 공간적 관계를 효과적으로 추론하도록 합니다. 실험 결과, DriveMRP-10K로 미세 조정된 DriveMRP-Agent는 여러 VLM 기반 모델의 동작 위험 예측 성능을 크게 향상시키며(사고 인식 정확도 27.13%에서 88.03%로 증가), 실제 고위험 주행 데이터셋에서도 일반화 성능이 우수함을 보여줍니다(정확도 29.42%에서 68.50%로 증가).
시사점, 한계점
•
시사점:
◦
고위험 주행 데이터 합성을 통해 VLM 기반 자율 주행 시스템의 안전성을 크게 향상시킬 수 있음을 보여줌.
◦
제안된 DriveMRP-Agent 프레임워크는 다양한 VLM에 적용 가능한 VLM-agnostic 구조를 가지며, 실제 환경에서의 일반화 성능이 우수함.
◦
BEV 기반 모션 시뮬레이션을 통한 고위험 상황 데이터 생성 방법은 향후 연구에 중요한 기여를 할 수 있음.
•
한계점:
◦
DriveMRP-10K 데이터셋의 크기 및 다양성이 실제 세계의 모든 고위험 상황을 완벽하게 포괄하지 못할 수 있음.
◦
실제 고위험 주행 데이터셋의 규모와 구성에 대한 자세한 설명이 부족함.
◦
제안된 방법의 계산 비용 및 실시간 성능에 대한 분석이 부족함.
◦
in-house real-world high-risk motion dataset에 대한 자세한 정보가 부족하여 재현성 확보에 어려움이 있음.