Closing the Loop: Motion Prediction Models beyond Open-Loop Benchmarks
Created by
Haebom
저자
Mohamed-Khalil Bouzidi, Christian Schlauch, Nicole Scheuerer, Yue Yao, Nadja Klein, Daniel Gohring, Jorg Reichardt
개요
본 논문은 최근 자율주행 분야에서 수백만 개의 파라미터를 가진 대규모 학습 기반 예측 모델이 등장하여 오픈루프 예측 정확도 향상에 집중하고 있지만, 이러한 향상이 자율주행 시스템에 통합되었을 때 실제 성능 향상으로 이어지는지 평가하지 못하는 한계를 지적합니다. 연구진은 최첨단 예측 모델과 모션 플래너 간의 상호작용을 체계적으로 평가하여 오픈루프 정확도가 높다고 해서 항상 클로즈드루프 주행 성능이 향상되는 것은 아니며, 예측의 시간적 일관성 및 플래너와의 호환성과 같은 다른 요소들도 중요한 역할을 한다는 것을 밝힙니다. 또한, 모델의 크기를 줄인 변형 모델을 조사하여 일부 경우 파라미터 수가 최대 86% 적은 모델이 유사하거나 더 나은 클로즈드루프 주행 성능을 보이는 것을 발견했습니다. 코드는 https://github.com/continental/pred2plan 에서 공개됩니다.
