Paper Review

Writer: SungwookLE
DATE: ‘24.9/1
UniAD:Planning-oriented Autonomous Driving

1. Abstract

• 모듈러 방식으로 구성된 자율주행 SW는 모듈을 통과할 때마다의 출력 오차가 누적되는 현상으로 인해, 많은 문제를 겪고 있음
• 자율주행에서 인지/예측 등의 모듈들은 planning을 위해 필요한 것이므로, Unified Autonomous Driving(UniAD) 라는 풀스택 네트워크를 제안한다.
  • Prediction and planning as a whole
  • Planning-oriented
• End-To-End 네트워크에서도 구조화를 통해 모듈화를 달성할 수 있고, 효과적이다. (c-3)
  • 

2. Methodology

• 
• UniAD는 트랜스포머 디코더로 구성되어 있음(Perception, Prediction, Planner)
  • TrackFormer, MapFormer, MotionFormer, Planner
    1. Perception: Tracking and Mapping
  • TrackFormer: 트랙 정보 (detect)
    • Detection과 Multi-Object Tracking을 수행하는 역할임
    • BEV(Bird-eye view) feature 정보를 입력으로 받음
  • MapFormer: Semantic 도로 정보
    • Panoptic SegFormer
      1. Prediction: Motion Forecasting
  • MotionFormer: agent의 미래 경로를 예측
    • agent-agent, agent-map, agent-goal point 정보를 입력으로 받음
    • 
  • OccFormer: occupancy 맵 상의 정보를 (Occupancy Prediction)
    • pixel-agent interaction, instance-level occupancy
    • 
      1. Planning
  • Planner: 플래닝 결과를 출력 (without HD maps)
  • 
• Learning
  • 2개의 stage로 나뉨: Perception parts를 학습 시킨 다음에, End-To-End 전체 모델을 학습시킴

3. Experiments

• 
• 결과는 우수하였음 (기존 제시된 E2E 모델 대비,)

4. Conclusion

• Planning oriented pipeline을 제시하였음
• 통합시킴으로써, 얻는 이점이 있음 (원하는건 결국 planning 결과이니까)
• 장애물 회피 주행
  • 
• 개선이 필요한 부분
  • 객체 인식이 잘되지 않았고, 그로 인해 플래닝이 잘되지 못함
  • 

끝