Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Nav-EE: Navigation-Guided Early Exiting for Efficient Vision-Language Models in Autonomous Driving

Created by
  • Haebom

저자

Haibo Hu, Lianming Huang, Xinyu Wang, Yufei Cui, Shangyu Wu, Nan Guan, Chun Jason Xue

개요

자율 주행 분야에서 Vision-Language 모델 (VLM)의 실시간 배포를 가로막는 높은 추론 지연 시간을 해결하기 위해, 내비게이션 정보를 활용한 조기 종료 (Early-Exit) 프레임워크인 Nav-EE를 제안한다. Nav-EE는 내비게이션 예측을 통해 필요한 작업을 미리 파악하고, 이에 맞는 조기 종료 레이어를 동적으로 적용하여 지연 시간을 줄인다. CODA, Waymo, BOSCH 데이터셋에 대한 실험 결과, Nav-EE는 전체 추론과 유사한 정확도를 유지하면서 최대 63.9%의 지연 시간 감소를 달성했다. Autoware Universe를 사용한 실제 차량 통합에서도 추론 지연 시간이 600ms에서 300ms로 감소하여 복잡한 상황에서의 빠른 의사 결정을 지원했다.

시사점, 한계점

시사점:
내비게이션 정보를 활용하여 조기 종료를 적용함으로써 자율 주행 시스템의 추론 지연 시간을 효과적으로 줄일 수 있음을 입증.
실제 차량 통합을 통해 제안 방법론의 실용성을 확인.
자율 주행 시스템에서 대규모 모델의 효율적인 배포 가능성을 제시.
한계점:
논문에서 구체적인 한계점에 대한 언급 없음.
👍