Xiangbo Gao, Yuheng Wu, Rujia Wang, Chenxi Liu, Yang Zhou, Zhengzhong Tu
개요
본 논문은 자율 주행 시스템의 안전성, 신뢰성 및 이동성 향상을 위해 다중 에이전트 협업에 자연어 기반 통신을 활용하는 새로운 패러다임인 LangCoop을 제안합니다. LangCoop은 구조화된 제로샷 비전-언어 추론을 위한 Mixture Model Modular Chain-of-thought (M$^3$CoT)와 간결한 언어 기반 메시지로 정보를 효율적으로 패키징하는 Natural Language Information Packaging (LangPack)이라는 두 가지 핵심 혁신을 특징으로 합니다. CARLA 시뮬레이션에서 진행된 광범위한 실험을 통해 LangCoop이 이미지 기반 통신과 비교하여 통신 대역폭을 96%나 줄이면서도(메시지당 2KB 미만) 경쟁력 있는 주행 성능을 유지함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
자연어 기반의 다중 에이전트 통신을 통해 자율 주행 시스템의 효율성과 안전성을 크게 향상시킬 수 있음을 보여줌.
◦
제로샷 비전-언어 추론과 효율적인 정보 패키징 기법을 통해 통신 대역폭을 획기적으로 줄일 수 있음을 증명.
◦
LangCoop은 실제 자율 주행 시스템에 적용 가능한 실용적인 접근 방식을 제시.
•
한계점:
◦
CARLA 시뮬레이션 환경에서의 성능 평가 결과이므로, 실제 도로 환경에서의 일반화 성능은 추가 검증이 필요.
