CogAD: 인지 계층에 기반한 종단 간 자율 주행

종단 간 자율 주행 기술이 크게 발전하였지만, 기존 방법들은 인식과 계획 모두에서 인간의 인지 원칙과 근본적으로 일치하지 않습니다. 본 논문에서는 인간 운전자의 계층적 인지 메커니즘을 모방한 새로운 종단 간 자율 주행 모델인 CogAD를 제안합니다. CogAD는 두 가지 계층적 메커니즘을 구현합니다: 인간처럼 인식하기 위한 전역-지역 맥락 처리와 인지에서 영감을 받은 계획을 위한 의도 조건화 다중 모드 궤적 생성. 제안된 방법은 세 가지 주요 장점을 보여줍니다: 계층적 인식을 통한 포괄적인 환경 이해, 다단계 계획에 의해 가능한 강력한 계획 탐색, 그리고 이중 수준 불확실성 모델링으로 촉진된 다양하고 합리적인 다중 모드 궤적 생성. nuScenes와 Bench2Drive에 대한 광범위한 실험은 CogAD가 종단 간 계획에서 최첨단 성능을 달성하고, 특히 긴 꼬리 시나리오와 복잡한 실제 주행 조건에 대한 강력한 일반화를 보여줍니다.