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.

Building reliable sim driving agents by scaling self-play

Created by
  • Haebom

저자

Daphne Cornelisse, Aarav Pandya, Kevin Joseph, Joseph Suarez, Eugene Vinitsky

개요

본 논문은 자율 주행 시스템 설계 및 테스트에 필수적인 신뢰할 수 있는 시뮬레이션 에이전트를 제안합니다. Waymo Open Motion Dataset을 사용하여 수천 개의 시나리오에서 자가 학습을 확장하고, 제한된 인간의 인지 및 제어 능력 하에서 훈련합니다. 단일 GPU에서 하루 만에 거의 모든 훈련 세트를 해결하고, 미지의 테스트 장면에서도 99.8%의 목표 달성률을 달성하며 충돌 및 도로 이탈 사고율은 0.8% 미만입니다. 또한 분포 외 장면에 대한 부분적인 강건성을 보여주며, 몇 분 안에 미세 조정하여 거의 완벽한 성능에 도달할 수 있습니다. 본 논문은 사전 훈련된 에이전트와 배치형 다중 에이전트 시뮬레이터를 오픈 소스로 공개합니다.

시사점, 한계점

시사점:
신뢰할 수 있고 효율적인 자율 주행 시뮬레이션 에이전트 개발 및 오픈소스 공개를 통해 자율 주행 시스템 개발 및 테스트의 발전에 기여.
단일 GPU에서 빠른 훈련 속도를 달성하여 자율 주행 시스템 개발의 효율성 증대.
높은 목표 달성률 및 낮은 사고율을 통해 시뮬레이션 에이전트의 신뢰성을 입증.
분포 외 장면에 대한 부분적인 강건성을 통해 실제 환경 적용 가능성 확대.
한계점:
Waymo Open Motion Dataset에 대한 의존성으로 데이터 편향 가능성 존재.
실제 환경과 완전히 일치하지 않는 시뮬레이션 환경으로 인한 일반화 성능 저하 가능성.
분포 외 장면에 대한 강건성이 완벽하지 않음.
👍