본 논문은 종단간 자율주행의 한계점인 고가의 BEV 계산, 행동 다양성, 복잡한 실제 시나리오에서의 비최적 의사결정 문제를 해결하기 위해, Vision-Language Model (VLM)을 활용한 새로운 하이브리드 sparse-dense diffusion policy, Diff-VLA를 제안합니다. Diff-VLA는 효율적인 다중 모드 주행 행동을 위한 sparse diffusion 표현을 탐색하고, VLM의 주행 의사결정 효과성을 재고하여 에이전트, 맵 인스턴스, VLM 출력 간의 심층적인 상호작용을 통해 경로 생성 안내를 개선합니다. Autonomous Grand Challenge 2025에서 우수한 성능(45.0 PDMS)을 달성했습니다.
시사점, 한계점
•
시사점:
◦
VLM을 활용한 효율적인 다중 모드 주행 행동 표현 및 경로 생성 안내 개선 방안 제시.
◦
종단간 자율주행의 한계점 해결을 위한 새로운 하이브리드 sparse-dense diffusion policy 제안.
