Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
교차로 안전을 위해 LiDAR를 활용한 선제적 인프라 프레임워크인 PRISA를 제안합니다. 수동 주석 없이 궤적 예측 모델을 학습하며, 실시간 위험 탐지와 이중 안전 평가를 통해 다중 에이전트 상호작용을 모니터링합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기도시 교차로는 도로 네트워크에서 가장 위험한 장소 중 하나로, 차량과 보행자 및 자전거 이용자와 같은 교통 약자(VRUs)에게 상당한 위험을 초래합니다. 다중 에이전트(multi-agent) 상호작용의 복잡성으로 인해, 충돌로 이어지기 전에 갈등을 예측할 수 있는 지속적인 실시간 모니터링 시스템이 요구됩니다. 본 논문에서는 장기적인 교통 관찰과 엣지(edge)에서의 실시간 위험 탐지를 위해 개인정보를 보호하고 저조도에 강한 노변 센서를 활용하는 모듈형 인프라 LiDAR 프레임워크인 PRISA를 제시합니다. 이 프레임워크는 센싱 및 인지(perception) 계층과 플러그 앤 플레이(plug-and-play) 방식의 위험 평가 모듈이라는 두 가지 핵심 구성 요소로 이루어져 있습니다. 후자는 수집된 인지 출력물로부터 현장 특화된 학습 데이터를 자동으로 큐레이션하여, 수동 주석(manual annotation) 없이 궤적 예측(trajectory prediction) 모델을 학습시킵니다. 그 후 학습된 모델을 배치하여 지속적인 움직임 예측(motion forecasting)과 이중 대리 안전 평가(dual surrogate safety evaluation)를 수행하며, 종방향 충돌에는 충돌 시간(TTC)을, 교차 및 VRU 관련 상호작용에는 예측 후 침범 시간(PPET)을 사용합니다. PRISA는 공개된 R-LiViT 데이터셋을 통해 평가되었으며, 테네시주 채터누가의 실제 신호 교차로에 설치된 NVIDIA Jetson AGX Thor에 배포되었습니다. PPET 기반 평가는 2.4초의 예측 지평(predictive horizon) 동안 194ms의 엔드 투 엔드(end-to-end) 지연 시간으로 작동하며, TTC 기반 탐지 및 인지는 실시간 제약 조건 내에서 유지되어 선제적인 다중 에이전트 교차로 안전 모니터링에 대한 실질적인 타당성을 입증했습니다.