Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning

Created by
  • Haebom
Category
Empty

저자

Wenhao Yao, Zhenxin Li, Shiyi Lan, Zi Wang, Xinglong Sun, Jose M. Alvarez, Zuxuan Wu

개요

자율 주행 차량은 복잡한 주행 환경에서 안전하게 운행되어야 합니다. DriveSuprim은 회귀 기반 접근 방식과 달리, 여러 궤적 후보를 생성하고 점수를 매기는 선택 기반 방법을 통해 안전성을 평가합니다. 특히, DriveSuprim은 1) 점진적인 후보 필터링을 위한 coarse-to-fine 패러다임, 2) out-of-distribution 시나리오에서 강건성을 향상시키기 위한 회전 기반 증강 방법, 3) 훈련 안정화를 위한 자기 증류 프레임워크를 통해 선택 기반 방법의 문제점을 해결합니다. DriveSuprim은 NAVSIM v1에서 93.5% PDMS, NAVSIM v2에서 87.1% EPDMS를 달성하고 Bench2Drive 벤치마크에서 83.02 Driving Score와 60.00 Success Rate를 기록하여 우수한 계획 능력을 입증했습니다.

시사점, 한계점

시사점:
Coarse-to-fine 패러다임, 회전 기반 증강, 자기 증류 프레임워크를 통해 선택 기반 자율 주행의 성능을 향상시킴.
다양한 벤치마크에서 SOTA 달성하여 우수한 계획 능력 입증.
한계점:
추가적인 데이터 없이 NAVSIM v1, v2에서만 성능 평가 진행.
Bench2Drive 벤치마크의 Driving Score와 Success Rate 외 구체적인 성능 지표 부족.
본 논문에서 제안하는 방법론의 일반화 능력에 대한 추가적인 연구 필요.
👍