자율 주행 자동차(AV)의 장애물 재질 특성 인식 능력 부족 문제를 해결하기 위해, 센서 데이터와 지식 그래프(KG) 기반 세계 모델을 결합하는 방법을 제안합니다. KG는 장애물과 그 속성 간의 관계를 나타내어, AV가 센서 데이터 외에 연성, 밀도, 탄성과 같은 물리적 특성을 추론할 수 있도록 합니다. CARLA 시뮬레이터를 이용한 실험 결과, KG 통합 시스템은 장애물 관리 능력이 향상되어, 차선 변경이나 긴급 제동 여부 결정에 있어 더 나은 성능을 보였습니다. 예를 들어, 교통 안전 콘과 같은 단단한 장애물에 대해서는 차선 변경을 하고, 플라스틱 봉투와 같은 유연한 물체는 넘어서 충돌을 피했습니다. 대조군에 비해 긴급 정지 상황이 13.3% 증가했고, 특히 큰 충격을 주는 장애물에 대한 차선 변경 성공률이 6.6% 향상되었습니다. 이 연구는 자율 주행뿐 아니라 로봇 공학, 의료, 환경 시뮬레이션 등 다른 분야의 임베디드 AI 시스템 의사결정 향상에도 기여할 수 있는 잠재력을 보여줍니다.
