계획 지향 자율 주행

현대 자율 주행 시스템은 인식, 예측, 계획 등의 순차적인 작업 모듈로 특징지어집니다. 다양한 작업을 수행하고 고급 수준의 지능을 달성하기 위해, 현대적 접근 방식은 개별 작업에 대한 독립적인 모델을 배치하거나 별도의 헤드를 사용하는 다중 작업 패러다임을 설계합니다. 그러나 이러한 방법들은 누적 오류나 부족한 작업 조정으로 인해 문제가 될 수 있습니다. 대신, 우리는 최종 목표인 자동차의 자율 주행 계획을 추구하기 위해 유리한 프레임워크를 설계하고 최적화해야 한다고 주장합니다. 이를 바탕으로, 우리는 인식과 예측 내의 핵심 구성 요소들을 재검토하고, 모든 작업이 계획에 기여하도록 우선순위를 정합니다. 우리는 '통합 자율 주행 (Unified Autonomous Driving, UniAD)'이라는 최신 포괄적 프레임워크를 소개합니다. 이 프레임워크는 하나의 네트워크에서 전체 스택 드라이빙 작업을 통합하여 각 모듈의 장점을 활용하고 전역 관점에서 에이전트 상호작용에 대한 보완적인 특징 추상을 제공하도록 세심하게 설계되었습니다. 작업들은 통합된 쿼리 인터페이스를 통해 서로 의사소통하며 계획에 도움을 줍니다. 우리는 어려운 nuScenes 벤치마크에서 UniAD를 구현하였습니다. 광범위한 아블레이션 연구를 통해 이러한 철학의 효과성이 모든 측면에서 이전 최신 기술들을 크게 능가함으로써 입증되었습니다. 코드와 모델은 공개되어 있습니다.