드라이빙의 미래를 예측하다: DrivingGPT의 혁신적인 시도


Chen, Wang, Zhang 연구팀이 개발한 DrivingGPT는 다중 모달 자기회귀 트랜스포머를 이용해 자율주행 모델 시뮬레이션과 경로 계획을 통합한 혁신적인 모델입니다. 대규모 벤치마크에서 우수한 성능을 입증하며 자율주행 기술의 새로운 가능성을 제시했습니다.

related iamge

자율주행 기술은 인류의 꿈과 같은 존재입니다. 하지만 완벽한 자율주행을 향한 여정은 험난합니다. 최근, Chen, Wang, Zhang 연구팀은 이러한 난관을 극복할 혁신적인 모델 DrivingGPT를 발표했습니다. 이 모델은 기존 자율주행 모델의 한계를 뛰어넘는 놀라운 성과를 보여줍니다.

기존의 자율주행 모델들은 주로 영상 확산 모델에 의존해 왔습니다. 영상 생성에는 탁월하지만, 다른 모달리티(예: 행동)를 통합하는 데는 유연성이 부족했습니다. 하지만 DrivingGPT는 이러한 한계를 극복하기 위해 다중 모달 자기회귀 트랜스포머를 활용합니다. 이를 통해 이미지와 행동 토큰을 교차하여 새로운 다중 모달 드라이빙 언어를 구축했습니다.

DrivingGPT의 가장 큰 혁신은 자율주행 모델 시뮬레이션과 경로 계획을 단일 시퀀스 모델링 문제로 통합했다는 점입니다. 다시 말해, 단순히 영상을 생성하는 것이 아니라, 실제 주행 환경을 모델링하고 동시에 최적의 경로를 계획하는 것입니다. 마치 인간 운전자가 주행 상황을 인지하고 판단하여 경로를 선택하는 것과 유사합니다.

그 결과는 놀랍습니다. DrivingGPT는 대규모 nuPlan과 NAVSIM 벤치마크에서 기존 최고 성능 모델들을 뛰어넘는 결과를 보였습니다. 이는 DrivingGPT가 행동 조건부 비디오 생성과 엔드투엔드 계획 모두에서 뛰어난 성능을 보임을 의미합니다.

DrivingGPT의 등장은 자율주행 기술의 새로운 장을 열었습니다. 단순히 기술적인 발전을 넘어, 인간 수준의 물리적 지능을 향한 중요한 이정표가 될 것입니다. 앞으로 DrivingGPT가 어떻게 발전하고, 자율주행 기술의 미래를 어떻게 바꿀지 기대됩니다. 하지만 동시에, 안전성 및 윤리적 문제에 대한 면밀한 검토가 필요하며, 책임감 있는 기술 개발이 중요합니다.


*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] DrivingGPT: Unifying Driving World Modeling and Planning with Multi-modal Autoregressive Transformers

Published:  (Updated: )

Author: Yuntao Chen, Yuqi Wang, Zhaoxiang Zhang

http://arxiv.org/abs/2412.18607v1