자율주행에서 더 좋은 이미지 인식이 항상 성능을 높일까?
원제 Do Better Visual Representations Always Lead to Better End-to-End Autonomous Driving?
추천 17댓글 2
Key Point
자율주행 시스템에서 강력한 이미지 인식 모델을 쓸 때, 어떤 모델을 선택하고 어떻게 학습시키느냐에 따라 실제 성능이 크게 달라질 수 있다는 점을 실증적으로 보여준다.
핵심 요약
- 자율주행 시스템에 시각 기초 모델(VFM)을 통합할 때, 더 나은 표현이 항상 성능 향상으로 이어지는지를 조사하는 논문이다.
- 연구팀은 ViRA라는 시각 표현 정렬 프레임워크를 제시했으며, 이는 플래너 아키텍처와 추론 비용을 변경하지 않은 상태로 작동한다.
- 첫 번째 발견: VFM 기반 시각 표현이 다양한 엔드투엔드 플래너에서 일관되게 성능을 개선하고, 제로샷 폐루프 평가까지 이득을 확장한다.
- 두 번째 발견: VFM 선택이 계획 성능에 영향을 미치며, 사전학습된 VFM 인코더를 가진 플래너는 다른 VFM으로 정렬하면 추가 이득을 얻는다.
- 세 번째 발견: 보조 인식 감독은 VFM 선택 민감도를 낮추어, 5개 대상에 걸친 EPDMS 편차를 2.7에서 0.5로 줄이고 덜 효과적인 VFM 대상을 보상할 수 있다.
- 이 결과를 바탕으로 개발한 ViRA-Diffusion은 보조 인식 감독 없이 학습한 확산 기반 플래너로, NAVSIM v2 navtest에서 92.3 EPDMS를 달성했다.
- ViRA-Diffusion은 비교 대상 최근 방법들보다 최소 1.9포인트 높은 성능을 보여준다.
- 연구는 엔드투엔드 자율주행에 VFM을 통합할 때 대상 선택과 플래너 감독을 함께 고려할 필요가 있음을 시사한다.