자아 중심적 공동 장면 모델링을 통한 인과 관계 인식 엔드 투 엔드 자율 주행

요약

본 논문은 기존 자율 주행 시스템이 간과하는 인과적 상호 의존성을 해결하기 위해 'CaAD'라는 새로운 엔드 투 엔드 프레임워크를 제안합니다. CaAD는 공유된 잠재 장면 표현 내에서 자차와 주변 에이전트 간의 인과 관계를 인식하고, 이를 통해 더욱 일관성 있고 신뢰할 수 있는 미래 경로 예측을 수행합니다. 이 프레임워크는 특히 복잡한 상호작용 시나리오에서 강력한 폐루프 계획 성능을 입증했습니다.

핵심 포인트

• 기존 자율 주행 시스템은 자차와 주변 에이전트 간의 인과적 상호 의존성을 간과하는 한계가 있습니다.
• 제안된 CaAD 프레임워크는 공유 잠재 장면 표현을 사용하여 이러한 인과 관계를 포착합니다.
• CaAD는 '자아 중심적 공동 인과 모델링' 모듈로 주변 에이전트와의 인과적 의존성을 학습합니다.
• 인과 관계 인식 정책 정렬 단계를 통해 확률적 자차 정책을 계획 지향적 폐루프 피드백과 정렬하여 성능을 높였습니다.