본 논문은 자율 주행 자동차의 안전하고 신뢰할 수 있는 운행을 위해 정확한 차량 상태 추정의 중요성을 강조하며, 비용 문제로 인해 측정 가능한 상태의 수와 정밀도가 제한적인 현실적인 문제를 다룹니다. 특히, 차량 측면 미끄러짐 각(VSA)과 같은 중요한 값의 측정은 현재의 광학 센서를 사용하는 데 상당한 어려움이 있습니다. 이를 해결하기 위해, 본 논문은 고성능 가상 센서 개발에 초점을 맞춰 차량 상태 추정을 향상시키는 방법을 제시합니다. 제안된 불확실성 인식 하이브리드 학습(UAHL) 아키텍처는 머신러닝 모델과 차량 운동 모델을 통합하여 온보드 센서 데이터로부터 VSA를 직접 추정합니다. UAHL 아키텍처의 핵심은 개별 모델 추정 및 하이브리드 융합에 대한 불확실성 정량화에 중점을 둡니다. 이러한 메커니즘을 통해 머신러닝과 차량 운동 모델의 불확실성 인식 예측에 대한 가중치를 동적으로 조정하여 정확하고 신뢰할 수 있는 하이브리드 VSA 추정값을 생성합니다. 또한, 고급 차량 동역학 센서의 동기화된 측정값으로 구성된 새로운 데이터 세트인 실제 차량 상태 추정 데이터 세트(ReV-StED)를 제시합니다. 실험 결과는 제안된 방법이 VSA 추정에 우수한 성능을 보임을 보여주며, UAHL이 가상 센서를 발전시키고 자율 주행 자동차의 안전성을 향상시키는 유망한 아키텍처임을 강조합니다.
