본 논문은 종단간 자율주행의 효율성 및 성능 향상을 위한 새로운 하이브리드 희소-밀집 확산 정책인 Diff-VLA를 제안합니다. 기존 종단간 자율주행 방법들이 BEV 계산 비용, 행동 다양성, 복잡한 실제 상황에서의 비최적 의사결정 등의 문제점을 갖는다는 점을 지적하며, 이를 해결하기 위해 시각-언어 모델(VLM)을 활용한 희소 확산 표현을 도입합니다. 에이전트, 지도 인스턴스, VLM 출력 간의 심층적인 상호작용을 통해 주행 경로 생성 안내를 개선하여, 2025 자율주행 그랜드 챌린지에서 45.0 PDMS라는 우수한 성능을 달성했습니다.
시사점, 한계점
•
시사점:
◦
종단간 자율주행의 효율성을 높이는 새로운 희소-밀집 확산 정책 제안.
◦
VLM을 활용하여 다양한 주행 행동과 복잡한 상황에 대한 대처 능력 향상.
◦
2025 자율주행 그랜드 챌린지에서 우수한 성능 검증 (45.0 PDMS).
◦
에이전트, 지도, VLM 간의 심층 상호작용을 통한 주행 경로 생성 개선.
•
한계점:
◦
논문에서 제시된 PDMS 점수 외에 다른 평가 지표에 대한 결과 제시 부족.
◦
제안된 방법의 일반화 성능 및 다양한 환경에 대한 적용 가능성에 대한 추가적인 분석 필요.
