Predict and Resist: Long-Term Accident Anticipation under Sensor Noise
Created by
Haebom
Category
Empty
저자
Xingcheng Liu, Bin Rao, Yanchen Guan, Chengyue Wang, Haicheng Liao, Jiaxun Zhang, Chengyu Lin, Meixin Zhu, Zhenning Li
개요
자율 주행 사고 예측은 사전 예방적이고 안전한 자율 주행에 필수적이며, 이를 위해 센서의 노이즈 및 예측의 시의적절성과 신뢰성의 균형을 맞추는 것이 중요하다. 본 논문에서는 확산 기반 디노이징을 시간 인식 actor-critic 모델과 통합하여 이러한 과제를 해결하는 통합 프레임워크를 제안한다. 확산 모듈은 반복적인 개선을 통해 노이즈에 강한 이미지 및 객체 특징을 재구성하고, actor-critic 아키텍처는 장기적인 시간적 추론과 시간 가중 보상을 활용하여 경고를 발령할 최적의 순간을 결정한다. 세 가지 벤치마크 데이터셋에서 최고 수준의 정확도를 달성하고 사고 평균 시간에서 상당한 이점을 보였으며, 노이즈 환경에서도 견고한 성능을 유지했다.
시사점, 한계점
•
시사점:
◦
노이즈에 강건한 이미지 및 객체 특징 재구성을 위한 확산 기반 디노이징 활용.
◦
장기적인 시간적 추론과 시간 가중 보상을 통한 경고 발령 시점 최적화.
◦
세 가지 벤치마크 데이터셋에서 state-of-the-art 성능 달성 및 노이즈 환경에서의 견고성 입증.
