차량 모션 계획이 실제 긴 꼬리 시나리오에 일반화될 수 있을까?

실제 자율 주행 시스템은 드물고 다양한 교통 시나리오 속에서 안전한 결정을 내려야 합니다. 현재 최첨단 계획자는 대부분 nuScenes(오픈 루프) 또는 nuPlan(클로즈드 루프)과 같은 실제 데이터셋에서 평가됩니다. 특히, nuPlan은 실제 데이터와 클로즈드 루프를 기반으로 하기 때문에 표현력이 뛰어난 평가 방법으로 보이지만, 기본적인 주행 시나리오를 중심으로 다루고 있습니다. 이로 인해 드물게 발생하는 상황에 대한 계획자의 일반화 능력을 판단하기 어렵습니다. 따라서 우리는 여러 엣지 케이스와 도전적인 주행 시나리오를 포함하는 새로운 클로즈드 루프 벤치마크 interPlan을 제안합니다. 우리는 우리의 벤치마크에서 기존의 최첨단 계획자를 평가하며, 규칙 기반이나 학습 기반 계획자 모두 interPlan 시나리오를 안전하게 탐색할 수 없음을 보여줍니다. 최근 발전하는 방향은 일반화를 처리하기 위해 대형 언어 모델(LLM)과 같은 기초 모델을 사용하는 것입니다. 우리는 LLM 전용 계획자를 평가하고, LLM 기반 행동 계획자와 규칙 기반 모션 계획자를 결합하여 우리의 벤치마크에서 최첨단 성능을 달성하는 새로운 하이브리드 계획자를 소개합니다.