Embodied Cognition Augmented End2End Autonomous Driving
Created by
- Haebom
Category
Empty
저자
Ling Niu, Xiaoji Zheng, Han Wang, Chen Zheng, Ziyuan Yang, Bokui Chen, Jiangtao Gong
개요
시각 기반 종단간 자율 주행은 새로운 패러다임으로 등장했지만, 기존 방식은 레이블 기반의 시각 특징 추출 네트워크에 의존하여 자율 주행 모델의 일반성과 적용 가능성을 제한한다. 본 논문에서는 시각 특징 추출 네트워크와 일반 EEG 대형 모델 간의 비교 학습을 통해 잠재적인 인간 운전 인지를 학습하여 종단간 계획을 향상시키는 새로운 패러다임인 $E^{3}AD$를 제안한다. 인지 데이터셋을 수집하여 비교 학습을 수행하고, 공개된 자율 주행 데이터셋에서 기존 자율 주행 모델을 기반으로 인간 운전 인지를 활용하여 종단간 계획을 향상시키는 방법을 연구했다. 실험 결과 $E^{3}AD$가 기존 모델의 종단간 계획 성능을 크게 향상시켰으며, 소거 연구를 통해 운전 인지의 기여와 비교 학습의 효과를 검증했다.
시사점, 한계점
•
시사점:
◦
인간 운전 인지를 종단간 자율 주행 계획에 통합하는 최초의 연구.
◦
신체화된 인지 데이터를 종단간 자율 주행에 통합하는 초기 시도.
◦
뇌 기반 자율 주행 시스템을 위한 통찰력 제공.
◦
종단간 계획 성능을 유의미하게 향상시킴.
•
한계점:
◦
제시된 구체적인 한계점은 논문 내용에 명시되어 있지 않음. (논문 요약본에서는 언급되지 않음.)
