본 논문은 다수의 센서와 구성요소를 통합하여 차량의 자율 주행(autonomous navigation) 능력을 향상시키기 위한 포괄적인 멀티에이전트 프로토타입 시스템을 제안한다. 본 시스템은 정밀한 거리 측정을 위한 초음파 센서, 시야각 160°의 넓은 시야를 제공하도록 특별히 제작한 ‘SonarSpinner’, 도로 표지판 감지와 조향각 추정을 위한 비전 센서, 그리고 150 cm의 미리 정의된 장애물 정지 임계값을 기반으로 작동하는 적외선 장애물 회피 센서 등을 포함한다. 모델 학습 및 평가를 위한 데이터 수집은 가상현실 기반의 자율주행차 시뮬레이터를 사용하여 수행되며, 그 결과 다양한 데이터셋이 확보된다. 제안된 시스템은 Nvidia 모델과 같은 교사 모델로부터의 지식 증류(knowledge distillation)를 활용하여, 실시간 추론에 최적화된 경량 학생 모델을 생성하되 경쟁력 있는 정확도를 유지한다. 또한 맞춤형 Haar cascade 분류기가 교통 표지판 검출 성능을 향상시킨다. 증류된 모델은 이후 자율주행 차량 내 엣지(edge) 디바이스에 효율적으로 배치하기 위해 TensorFlow Lite로 변환되어, 안전하고 효율적인 내비게이션 시스템을 보장한다. 본 혁신적 접근은 최적화된 증류 방법과 특화된 분류기를 결합함으로써 견고하고 실시간인 자율주행차 시스템의 개발을 가능하게 한다.

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