A Racing Dataset and Baseline Model for Track Detection in Autonomous Racing
Created by
- Haebom
Category
Empty
저자
Shreya Ghosh, Yi-Huan Chen, Ching-Hsiang Huang, Abu Shafin Mohammad Mahdee Jameel, Chien Chou Ho, Aly El Gamal, Samuel Labi
개요
본 논문은 레이싱 관련 연구의 주요 과제인 레이싱 시나리오에 대한 주석이 달린 원시 이미지 데이터 부족 문제를 해결하기 위해, 트랙 감지를 위한 레이싱 시나리오의 다중 카메라 이미지 데이터를 포함하는 새로운 데이터세트인 RoRaTrack을 소개합니다. 이 데이터세트는 인디애나의 레이싱 서킷에서 Dallara AV-21을 사용하여 수집되었으며, Indy Autonomous Challenge (IAC)와의 협력을 통해 제작되었습니다. RoRaTrack은 고속으로 인한 블러, 카메라의 색상 반전, 트랙의 차선 표시 부재 등과 같은 일반적인 문제를 해결합니다. 또한, 이러한 문제를 효과적으로 해결하는 생성적 적대 신경망(GAN) 기반의 기준 모델인 RaceGAN을 제안하며, 이 모델은 트랙 감지에서 기존의 최첨단 머신러닝 모델보다 우수한 성능을 보입니다. 데이터세트 및 코드는 https://github.com/ghosh64/RaceGAN에서 제공됩니다.
시사점, 한계점
•
시사점:
◦
레이싱 시나리오를 위한 공개 데이터세트 부족 문제를 해결하여 관련 연구 발전에 기여합니다.
◦
고속 환경에서 수집된 데이터의 특징(블러, 색상 반전 등)을 고려한 새로운 데이터세트를 제공합니다.
◦
제안된 RaceGAN 모델은 트랙 감지에서 기존 모델보다 우수한 성능을 보입니다.
◦
데이터세트 및 코드 공개를 통해 연구의 재현성 및 활용성을 높입니다.
•
한계점:
◦
단일 레이싱 서킷에서 수집된 데이터로, 다른 환경에서의 일반화 성능은 추가 검증이 필요합니다.
◦
RaceGAN 모델의 상세한 성능 분석 및 비교, 다른 레이싱 환경에 대한 확장 가능성에 대한 연구가 추가적으로 필요합니다.
◦
데이터세트가 특정 레이싱 차량(Dallara AV-21)에 맞춰져 있어 다른 차량에 대한 적용 가능성은 제한적일 수 있습니다.
