모듈형 아키텍처로 구성된 전통적인 자율주행 시스템은 자율주행에서 상당한 성과를 달성해 왔다. 그러나 각 모듈 내에서 발생하는 지연과 오류는 시스템 성능 저하로 이어질 수 있다. 이러한 문제를 해결하기 위해 최근 연구에서는 엔드투엔드 자율주행 시스템에 주목하고 있다. 하지만 표준화된 아키텍처나 개발 환경의 부재는 새로운 알고리즘을 개발하고 검증하는 데 있어 한계를 만든다. 본 논문에서는 엔드투엔드 자율주행 기술의 원활한 개발을 돕기 위한 아키텍처를 설계하였다. 이를 위해 Carla 시뮬레이터와 OpenAI gym을 결합한 통합 환경을 구성하였다. 또한 데이터셋 품질을 향상시키기 위해 시간에 따른 영상 및 차량 상태 정보를 순차적으로 누적하여 데이터셋을 구성하고, 가상현실(VR)을 사용하여 운전자의 시점(PoV) 정보를 추가하였다. 더 나아가 실시간 전문가 피드백을 적용함으로써 학습 효율을 높여 딥 모방학습 모델 개발을 보다 용이하게 하였다. 제안된 시스템의 타당성을 검증하기 위해 다양한 환경에서 검증을 수행하였으며, 그 결과를 분석하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.