InteractionNet: 트랜스포머를 활용한 자율주행을 위한 통합적 계획 및 예측

자율 주행의 계획과 예측은 두 가지 중요한 모듈로, 최근에 큰 발전을 이루어냈습니다. 그러나 대부분의 기존 방법들은 계획과 예측을 독립적으로 취급하고 이들 사이의 상관관계를 무시하여, 교통 상황에서의 상호작용과 동적 변화를 고려하지 않는 문제가 있습니다. 이러한 도전 과제를 해결하기 위해, 우리는 트랜스포머를 활용하여 모든 교통 참여자 간의 전역적인 맥락 인식을 공유하고, 상호작용을 포착하며 계획과 예측을 연계하여 통합적으로 수행할 수 있는 InteractionNet(상호작용 네트워크)을 제안합니다. 또한, InteractionNet은 또 다른 트랜스포머를 배치하여 모델이 중요하거나 미발견된 차량이 포함된 인식 영역에 더욱 집중할 수 있도록 합니다. InteractionNet은 여러 벤치마크에서 다른 기준모델들을 능가하며, 특히 안전성 측면에서 뛰어난 성능을 보여주는데, 이는 계획과 예측의 통합적 고려 덕분입니다. 코드는 https://github.com/fujiawei0724/InteractionNet 에서 제공될 예정입니다.