공사 구역 자율주행을 위한 안전한 종단 간 경로 계획 기술
WZPlanner: Safe End-to-End Path Planning for Autonomous Driving in Work Zones
arXiv자율주행차가 임시 교통 통제나 공사 구역 등 기존 지도에 반영되지 않는 복잡한 환경에서 안전하게 경로를 계획하는 방법을 제시했습니다.
- 개발된 BoundaryFormer(BF++) 모델은 차선 및 작업 구역 경계와 주행 궤적을 통합 예측하여, 기존 방식 대비 월등히 높은 자율주행 성능을 입증했습니다.
- 본 기술은 도로 상황의 불확실성이 큰 공사 현장 등에서도 자율주행차의 안전성과 신뢰성을 획기적으로 높일 수 있는 중요한 진전입니다.
- 대규모 합성 및 실제 데이터를 기반으로, 경계 예측과 궤적 예측을 분리하지 않고 통합적으로 처리하는 것이 핵심 기술입니다.
자율주행차(AV)는 임시 교통 통제나 공사 구역과 같이 기존 지도에 반영되지 않는 환경 변화로 인해 인식 및 경로 계획에 어려움을 겪습니다. 이러한 문제를 해결하기 위해 연구진은 WorkZonePlan이라는 데이터셋을 구축했습니다. 이 데이터셋은 차선 경계, 작업 구역 경계, 주행 궤적 옵션에 대한 3D 어노테이션이 포함된 149K개 이상의 합성 및 5K개 이상의 실제 다중 모드 샘플로 구성되어 있습니다. 또한 WAVE라는 반자동 파이프라인을 통해 데이터셋을 생성했습니다.
제안된 BoundaryFormer(BF) 모델은 차선 경계, 작업 구역 경계, 주행 궤적을 통합적으로 예측하는 기반 모델입니다. BF는 슬롯 어텐션을 사용하여 경계를 예측하며, 이를 확장한 BF++는 카메라 및 LiDAR 변형 모델에 메트릭 지면 평면 인코딩, 유형별 경계/궤적 질의 등을 추가했습니다. 특히 BF++-Camera와 BF++-Camera+LiDAR 조합은 안전한 자율주행 운영을 위해 경계 예측과 궤적 예측을 결합하는 것이 유망함을 보여줍니다.
평가 결과에 따르면, 모든 모델이 공통으로 사용하는 211개 경로에서 BF++-Camera는 63.0의 주행 점수(Driving Score)를 달성했고, BF++-Camera+LiDAR는 64.4를 기록했습니다. 이는 기존 방식인 SimLingo(59.3)이나 TransFuser++ (26.1)보다 높은 수치입니다. 이 모델은 성능이 높으면서도 SimLingo 대비 40배 작고 TF++ 대비 10배 이상 작은 크기를 유지하여 효율성을 입증했습니다.
용어 풀이
- 트랜스포머
- 오늘날 대부분의 언어 모델이 쓰는 신경망 구조. 문장 속 단어들의 관계를 한꺼번에 계산해요.