Driving-RAG: Driving Scenarios Embedding, Search, and RAG Applications
Created by
Haebom
저자
Cheng Chang, Jingwei Ge, Jiazhe Guo, Zelin Guo, Binghong Jiang, Li Li
개요
본 논문은 자율주행 시스템 개발에 필수적인 주행 시나리오 데이터의 효율적인 검색 및 활용을 위한 Driving-RAG 프레임워크를 제시합니다. Driving-RAG는 주행 시나리오 정보를 벡터 공간에 효과적으로 임베딩하고, 계층적 탐색 가능 소세계(hierarchical navigable small world) 기반의 효율적인 시나리오 검색 방법을 통해 정확성을 유지하면서 검색 속도를 높입니다. 또한 그래프 지식을 활용한 재구성 메커니즘을 통해 LLM(Large Language Model)의 생성 성능을 향상시킵니다. 복잡한 상호작용이 있는 램프나 교차로와 같은 시나리오에서의 경로 계획 작업을 통해 제안된 프레임워크의 효과를 입증합니다.
시사점, 한계점
•
시사점:
◦
자율주행 시스템의 시나리오 데이터 검색 및 활용 효율 향상에 기여.
◦
LLM 및 RAG 시스템 기반 자율주행 시스템 개발에 중요한 기술적 발전 제시.
◦
효율적인 시나리오 임베딩 및 검색 기법을 통해 정확성과 속도를 동시에 개선.
◦
그래프 지식 기반의 재구성 메커니즘을 통해 LLM 생성 성능 향상.
•
한계점:
◦
제안된 프레임워크의 일반화 가능성 및 다양한 시나리오에 대한 적용성에 대한 추가적인 검증 필요.
