자율 주행 시스템(ADS)의 잠재력에도 불구하고, 복잡한 상황에서의 결정 신뢰도 저하, 작업 간섭, 긴 추론 지연 시간 등의 문제점이 존재한다. 본 논문은 이러한 문제를 해결하기 위해 MoE(Mixture of Experts) 아키텍처를 활용한 ExpertAD 프레임워크를 제안한다. Perception Adapter (PA)를 통해 중요한 특징을 강화하고, Mixture of Sparse Experts (MoSE)를 통해 작업 간섭을 최소화하여 효율적인 계획 수립을 가능하게 한다. 실험 결과는 ExpertAD가 이전 방법들에 비해 평균 충돌률을 최대 20% 감소시키고 추론 지연 시간을 25% 단축시켰으며, 희귀 시나리오와 새로운 도시 환경에서 강력한 일반화 성능을 보임을 보여준다.
시사점, 한계점
•
시사점:
◦
MoE 아키텍처를 활용하여 자율 주행 시스템의 성능을 향상시킴.
◦
Perception Adapter (PA)를 통해 상황 인식을 개선하고, Mixture of Sparse Experts (MoSE)를 통해 작업 간섭을 줄임.
