Benchmark for Models Predicting Human Behavior in Gap Acceptance Scenarios
원문 초록
Autonomous vehicles currently suffer from a time-inefficient driving style caused by uncertainty about human behavior in traffic interactions. Accurate and reliable prediction models enabling more efficient trajectory planning could make autonomous vehicles more assertive in such interactions. However, the evaluation of such models is commonly oversimplistic, ignoring the asymmetric importance of prediction errors and the heterogeneity of the datasets used for testing. We examine the potential of recasting interactions between vehicles as gap acceptance scenarios and evaluating models in this structured environment. To that end, we develop a framework aiming to facilitate the evaluation of any model, by any metric, and in any scenario. We then apply this framework to state-of-the-art prediction models, which all show themselves to be unreliable in the most safety-critical situations.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
DriveVer: 자율주행을 위한 테스트 타임 검증기로서의 경량 궤적 평가기
DriveVer: Lightweight Trajectory Evaluator as Test-Time Verifier for Autonomous Driving
종단간(end-to-end) 자율주행 모델은 학습 시간 스케일링이 높은 계산 비용과 한계 수익 체감을 초래하면서 성능 병목 현상에 자주 직면한다. 기존 플래너는 일반적으로 원샷(one-shot) 생성 패러다임을 채택하여, 추론 중 최적이 아니거나 안전하지 않은 궤적을 탐지하고 수정하기 위한 2차 검증 및 능동적 교정 메커니즘이 부재하다. 이 문제를 해결하기 위해, 우리는 DriveVer를 제안한다. DriveVer는 경량 플러그앤플레이(plug-and-play) 테스트 타임 검증기(Test-Time Verifier)로, 테스트 타임 스케일링 패러다임을 활용하여 비용이 많이 드는 대규모 학습 없이도 자율주행 시스템이 궤적을 검증하고 개선할 수 있도록 한다. 우리는 자차(ego-vehicle) 상태와 내비게이션 명령에 따른 조건 기반 클러스터링 및 균형 샘플링을 통해 NAVSIM 벤치마크 기반의 전용 궤적 데이터셋을 구축하였다. 듀얼 헤드(dual-head) 아키텍처를 채택한 DriveVer는 후보 궤적을 다시점(multi-view) 시각 표현 및 자차 운동학적 특징과 효율적으로 융합하여 안전 신뢰도 점수와 절대적 기하학적 정제 벡터를 동시에 예측한다. NAVSIM 벤치마크에서의 광범위한 실험을 통해 DriveVer가 기반 계획 모델의 성능을 크게 향상시킴을 확인하였다. 특히, 단 3,400만(34M) 개의 매개변수를 가진 극도로 경량화된 모델로서, DriveVer는 최소한의 계산 오버헤드만을 추가하면서 실시간 추론 효율성을 유지하며 경쟁력 있는 결과를 달성한다.
MOJITO: 통합 종단간 자율 주행을 위한 모달리티 결합 학습
MOJITO: Modal Joint Learning for Unified End-to-End Autonomous Driving
종단간 자율 주행 시스템은 일반적으로 인지(perception) 단계가 다중 모달 센서 입력을 압축된 컨텍스트로 변환하고, 하류 플래너(planner)가 이 컨텍스트를 조건으로 궤적(trajectory)을 예측하는 2단계 캐스케이드 파이프라인을 따른다. 우리는 이러한 단방향 인지-계획 인터페이스가 센서 입력을 압축된 표현으로 강제하여, 계획에 중요한 세밀한 세부 정보를 잃게 한다고 주장한다. 또한 플래너를 이 압축된 컨텍스트로 제한함으로써, 최신 비전 기반 모델(vision foundation models)이 제공하는 풍부한 표현을 활용하기 어렵다. 이러한 문제를 해결하기 위해, 우리는 모달리티 결합 학습(modal joint learning)을 기반으로 한 종단간 자율 주행을 위한 통합 센서-액션(sensor-to-action) 프레임워크인 MOJITO를 제안한다. MOJITO는 캐스케이드 인터페이스를 제거하고, 대신 블록 단위(block-wise) Modal Joint Attention을 수행하여 액션(action), 이미지, LiDAR 특징(feature)을 동시에 갱신하고, 플래너가 액션 생성(action generation) 중 다중 모달 특징에 직접 접근할 수 있게 한다. MOJITO는 NAVSIM v1 데이터셋에서 88.9 PDMS, 더 도전적인 NAVSIM v2 데이터셋에서 88.4 EPDMS를 달성하여 새로운 최고 성능(state-of-the-art)을 기록했다. 광범위한 실험은 또한 강력한 확장성(scalability), 지시 따르기(instruction following), 다양한 궤적 생성을 입증한다. 코드와 모델은 https://github.com/mumucc01/MOJITO 에서 이용 가능하다.
다중 상호작용 차량의 장면 수준 차선 변경 의도 및 궤적 예측을 위한 동적 장면 상호작용 추론 프레임워크
A Dynamic Scene Interaction Reasoning Framework for Scene-level Lane-Change Intention and Trajectory Prediction of Multiple Interacting Vehicles
첨단 운전자 보조 시스템과 자율주행 차량의 안전한 모션 플래닝은 주변 교통 장면이 어떻게 변화할지에 대한 정확한 이해를 필요로 한다. 그러나 기존의 많은 차선 변경 예측 방법은 단일 대상 차량에 중점을 두고 있으며, 다중 에이전트 예측 접근법은 흔히 미래 위치만으로 장면 변화를 기술하고 각 차량과 관련된 조작 기동에 대한 명시적 정보를 제한적으로 제공한다. 본 연구는 국지적 교통 장면 내 모든 관련 차량의 차선 변경 의도 및 미래 궤적을 예측하는 동적 장면 그래프 어텐션 프레임워크를 제안한다. 장면은 시변(time-varying) 상호작용 그래프로 표현되며, 차량은 노드로 모델링되고 공간적·운동학적 관계는 명시적 엣지 특징을 통해 인코딩된다. 시간적 그래프 어텐션 메시지 패싱은 변화하는 차량 간 의존성과 기동 전 단서를 포착하며, 의도 기반 디코더는 예측된 각 기동을 해당 미래 모션에 연결한다. 장면 수준 일관성 목적함수는 다중 차량의 호환 가능한 미래 상태를 추가로 장려한다. NGSIM I-80, NGSIM US-101, highD 데이터셋에 대한 실험은 경쟁 기준선 대비 일관된 성능 향상을 보인다. DSiGAT는 NGSIM I-80 및 US-101에서 각각 90.12% 및 90.97%의 의도 예측 정확도를 달성하고, 가장 강력한 기준선 대비 궤적 RMSE를 최대 52.94%까지 감소시킨다. 또한 에이전트 간 충돌률 및 결합 변위 오류가 낮아 보다 일관된 장면 수준 예측을 나타낸다. 제거 연구(ablation), 민감도, 강건성 및 정성적 분석은 제안된 구성요소의 기여도와 장면 중심 공식화의 효과성을 추가로 검증한다.
SWIFT: 자율주행 흐름 인식 궤적 예측을 위한 소세계 상호작용 프레임워크
SWIFT: A Small-World Interaction Framework for Flow-Aware Trajectory Prediction in Autonomous Driving
자율주행에서 정확한 궤적 예측은 교통 에이전트 간의 동적이고 맥락 의존적인 상호작용을 모델링하는 데 달려 있다. 그러나 기존 접근법의 대부분은 순수하게 데이터 기반이며 구조적 사전 지식이 부재하여, 분포 변화 상황에서의 일반화 능력이 제한된다. 본 연구에서는 교통 네트워크의 구조와 역학을 통해 상호작용 모델링을 재검토하고, 소세계 네트워크와 교통 흐름 이론을 통합하는 통합 프레임워크인 SWIFT(Small-World Interaction Framework for Trajectory prediction)를 제안한다. SWIFT는 지역적 및 전역적 의존성을 모두 포착하는 소세계 상호작용 네트워크와, 장면 수준의 교통 상태에 따라 상호작용 구조를 적응시키는 흐름 체계 인코더(Flow Regime Encoder)를 통해 구조적 귀납 편향을 도입한다. 상호작용 추론은 직접적 및 고차 에이전트 관계를 명시적으로 인코딩하는 다중 관계 그래프 모듈을 통해 더욱 강화된다. nuScenes, MoCAD, NGSIM 세 가지 실세계 데이터셋에 대한 광범위한 실험 결과, SWIFT는 다양한 교통 체계에 걸쳐 예측 정확도 면에서 강력한 기준 모델들을 일관되게 능가함을 보여준다. 정확도를 넘어, SWIFT는 미관측 위치 및 체계에 대한 향상된 일반화 능력, 잡음이 포함된 관측 하에서의 강건성, 그리고 제한된 학습 데이터에서도 우수한 성능을 나타내며, 구조 인식 설계의 효과성을 뒷받침한다.
INTENT: 교차로 시나리오에서 차량 의도 예측을 위한 LSTM 프레임워크 및 포괄적 절제 분석
INTENT: An LSTM Framework for Vehicle Intention Prediction in Intersection Scenarios with Comprehensive Ablation Analysis
차량 의도 예측은 모든 주행 시나리오에서 자율주행 차량의 민첩성과 안전성에 있어 핵심적인 요소이다. 자율주행 차량의 실질적인 향상을 위해서는 교차로, 회전교차로, 급정거와 같은 긴급 상황처럼 높은 수준의 인간 상호작용과 복잡한 주행 행동이 요구되는 상황에서 인간이 운전자의 의도를 해석하는 방식을 차량이 채택하도록 해야 한다. 이러한 상황에서 차량 의도 예측은 매 순간의 행동이 영향을 미치는 실시간 상황 내에서 적절한 회피 행동을 취하는 데 도움을 주어 재앙을 예방할 수 있다. 최악의 경우에도 피해를 최소화하고 안전을 최우선으로 할 수 있다. 또한 의도 예측은 궤적 예측(의도 조건부 궤적 예측)을 향상시키는 데에도 활용될 수 있다. 본 연구에서는 LSTM 모델을 활용한 INTENT 프레임워크를 제안하며, 교차로에서 사건 발생 2초 전에 차량이 직진, 좌회전, 우회전 중 어떤 행동을 할지 차량 의도를 예측한다. 다양한 모델 실험과 절제 연구(ablation study)를 InD 데이터셋에서 철저히 검증하여 99.71%의 정확도를 달성하였다.
WCog-VLA: 엔드-투-엔드 자율주행을 위한 이중 수준 세계-인지 비전-언어-액션 모델
WCog-VLA: A Dual-Level World-Cognitive Vision-Language-Action Model for End-to-End Autonomous Driving
비전-언어-액션(VLA) 모델은 엔드-투-엔드 자율주행을 발전시켜 왔다. 그러나 기존 방법들은 포괄적인 세계 인지(world cognition)가 부족하거나 단편적인 세계 예측(world foresight)으로 인해 어려움을 겪으며, 이로 인해 이러한 모델들은 본질적으로 반응적 주행에 국한된다. 이러한 한계를 해결하기 위해, 우리는 WCog-VLA를 제안한다. 이는 의미론적 세계 예측과 생성적 세계 진화를 성공적으로 연결하여 능동적 자율주행을 달성하는 새로운 이중 수준 세계-인지 VLA 프레임워크이다. 의미론적 수준에서, WCog-VLA는 3D 공간 인지를 통합하고 에이전트 토큰을 주입하여 세계 역학을 포착함으로써 세계 인지와 추론을 통합하며, 동시에 게임 이론적 사고의 연쇄(Game-theoretic Chain-of-Thought, Game-CoT) 추론을 가능하게 한다. 생성적 수준에서는, 물리적으로 타당한 다중 에이전트 합동 궤적을 합성하는 강력한 생성 세계 모델로서 정렬된 분리 확산 트랜스포머(Aligned Decoupled Diffusion Transformer, ADDT)를 도입한다. 장면 표현 정렬(scene representation alignment)을 통해 ADDT는 필요한 노이즈 제거 단계 수를 줄여 추론을 크게 가속화한다. 전략적 추론을 촉진하기 위해, 85k개의 Game-CoT 어노테이션을 포함하는 대규모 데이터셋을 추가로 구축한다. NAVSIM 벤치마크에서의 광범위한 실험을 통해 WCog-VLA가 92.9의 최첨단(SOTA) PDMS 점수를 달성함을 입증한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.