자율주행을 위한 예측 기술 심화
Q) 딥러닝 기술을 통해 물체의 움직임 예측 성능도 개선되었을까?
→ 네, 최근의 예측 연구 결과들을 보면 딥러닝 기술을 사용하면 기존 방법들에 비해 예측 정확도가 크게 향상되는 것을 알 수 있다.
학습 내용)
1.
고전 예측 기술의 한계
2.
딥러닝 기반 차량 경로 예측 기술
keyword 1)
RNN과 LSTM
→ 순차적인 시계열 데이터를 처리하기 위한 딥러닝 모델
→ 주변 동적 객체 예측에 사용
keyword 2)
인코더 디코더 구조
→ 차량의 경로 예측을 위한 딥러닝 구조
→ 인코더에서 과거 경로에 대한 특징값 추출, 디코더에서 미래 경로 생성
keyword 3)
어텐션 모델
→ 타겟 차량의 경로를 예측할 때 주변 차량과의 상호작용 고려
→ 어텐션 모델을 이용해 중요한 차량에 의한 영향만을 고려
고전 예측 기술의 한계
경로 예측 기술
고전 예측 기술
→ 한계
→ 다양한 영향들이 존재
→ 예측 결과 : 여러 개의 가능 경로를 확률과 함께 나타내는 것이 합리적임
→ 문맥적 정보들의 활용 어려움
→ 다양한 예측 결과를 도출하기 어려움
딥러닝 기반 차량 경로 예측 기술
RNN에 기반한 차량 경로 예측
인고터-디코더 구조
기존의 LSTM 인고더 디코더 구조
•
타겟 차량의 경로만을 분석
•
주변 환경 요소에 대한 고려가 되지 않음
