HiP-AD: 단일 디코더 내 자율 주행을 위한 계층적이고 다중 격차 계획법과 변형 가능 Attention

최근 몇 년간 엔드투엔드 자율주행(E2E-AD) 기술은 상당한 진전을 이루었으나, 폐루프 평가에서 여전히 만족스럽지 않은 성능을 보이고 있다. 질의 설계 및 상호작용에 있어 계획(planning)을 활용할 잠재력은 아직 충분히 탐구되지 않았다. 본 논문에서는 다양한 샘플링 패턴을 통해 공간적, 시간적, 주행 스타일적 웨이포인트를 포함하는 이질적인 웨이포인트를 통합한 다중 계층적 계획 질의 표현 방식을 제안한다. 이는 궁극적으로 궤적 예측에 추가적인 감독을 제공함으로써 자율주행 차량의 정밀한 폐루프 제어를 강화한다. 또한, 계획 궤적의 기하학적 특성을 명시적으로 활용하여 변형 가능(deformable)한 어텐션을 통해 물리적 위치 기반으로 관련 이미지 특징을 효과적으로 검색한다. 이러한 전략들을 결합하여, 하나의 통합 디코더 내에서 인지(perception), 예측(prediction), 계획(planning)을 동시에 수행하는 새로운 엔드투엔드 자율주행 프레임워크인 HiP-AD를 제안한다. HiP-AD는 BEV( Birds-Eye View) 공간에서 계획 질의가 인지 질의와 반복적으로 상호작용할 수 있도록 하여 포괄적인 상호작용을 가능하게 하며, 동적으로 원근 시점에서 이미지 특징을 추출한다. 실험 결과, HiP-AD는 폐루프 기준 벤치마크인 Bench2Drive에서 기존 모든 엔드투엔드 자율주행 방법보다 뛰어난 성능을 보이며, 실제 도로 환경 데이터셋인 nuScenes에서도 경쟁력 있는 성능을 달성하였다.