MTR-VP: Towards End-to-End Trajectory Planning through Context-Driven Image Encoding and Multiple Trajectory Prediction
Created by
Haebom
Category
Empty
저자
Maitrayee Keskar, Mohan Trivedi, Ross Greer
개요
자율 주행을 위한 궤적 계획 방법 제시. 이미지 기반 컨텍스트 임베딩을 학습하여 운동 예측 프레임워크 및 계획 기반 의도 입력과 정렬. ViT 인코더를 사용하여 원시 이미지와 과거 운동 상태를 입력으로 컨텍스트 임베딩 생성 (MTR (Motion Transformer) 인코더에서 영감). MTR-VP (Motion Transformer for Vision-based Planning)라는 접근 방식을 사용하며, MTR 디코더의 학습 가능한 의도 쿼리 대신 의도와 컨텍스트 임베딩 간의 교차 주의를 사용. Waymo End-to-End Driving Dataset에서 평가.
시사점, 한계점
•
시사점:
◦
이미지 기반 컨텍스트 임베딩을 활용한 자율 주행 궤적 계획 가능성 제시.
◦
운동 예측 프레임워크와의 통합을 통해 성능 향상.
◦
다중 미래 궤적 예측을 통해 계획 성능 향상.
•
한계점:
◦
시각적 특징과 운동 특징을 결합하여 유용한 장면 컨텍스트 임베딩을 생성하는 데 어려움.
◦
CLIP 및 DINOv2와 같은 기초 모델의 장면 컨텍스트 표현을 사용해도 효과가 제한적임.
