Wei Cao, Marcel Hallgarten, Tianyu Li, Daniel Dauner, Xunjiang Gu, Caojun Wang, Yakov Miron, Marco Aiello, Hongyang Li, Igor Gilitschenski, Boris Ivanovic, Marco Pavone, Andreas Geiger, Kashyap Chitta
개요
본 논문은 자율주행 자동차(AV) 평가의 기존 패러다임의 한계를 해결하기 위해 새로운 평가 방법인 'pseudo-simulation'을 제안합니다. 기존의 실세계 평가는 안전 문제와 재현성 부족으로 어려움을 겪고, 폐쇄 루프 시뮬레이션은 현실성 부족이나 높은 계산 비용 문제가 있습니다. 반면 개방 루프 평가는 효율적이고 데이터 기반이지만 누적 오류를 간과하는 경향이 있습니다. pseudo-simulation은 개방 루프 평가와 유사하게 실제 데이터셋을 사용하지만, 3D Gaussian Splatting을 이용하여 생성된 합성 관측치를 추가합니다. 자율주행 자동차의 예상되는 행동과 가장 잘 일치하는 합성 관측치에 더 높은 가중치를 부여하는 근접성 기반 가중치 방식을 사용하여 오류 복구 및 인과적 혼란 완화를 평가합니다. 폐쇄 루프 시뮬레이션과의 상관관계($R^2=0.8$)가 기존 최고의 개방 루프 방식($R^2=0.7$)보다 높음을 보여주며, 새로운 방법론을 벤치마킹할 수 있는 공개 리더보드와 코드(https://github.com/autonomousvision/navsim)를 제공합니다.
시사점, 한계점
•
시사점:
◦
자율주행 자동차 평가의 새로운 패러다임인 pseudo-simulation 제시
◦
폐쇄 루프 시뮬레이션의 장점(오류 복구 및 인과적 혼란 완화 평가)과 개방 루프 시뮬레이션의 장점(효율성, 데이터 기반)을 결합
◦
폐쇄 루프 시뮬레이션보다 효율적이면서도 유사한 성능을 보임 ($R^2=0.8$)
◦
공개 리더보드 및 코드 제공을 통한 연구 공동체의 참여 유도
•
한계점:
◦
3D Gaussian Splatting을 사용한 합성 관측치 생성의 정확도 및 일반화 성능에 대한 추가적인 검증 필요
◦
근접성 기반 가중치 방식의 최적화 및 다양한 상황에 대한 적용 가능성 검토 필요
◦
실제 도로 환경과의 완벽한 일치는 어려울 수 있음. 합성 데이터의 현실성에 대한 추가적인 연구 필요
