물리 기반 LLM 기반 안전 주행 경로 계획 프레임워크 LetsPi 소개

Rui Gan 등 연구진이 개발한 LetsPi는 물리 기반 사회적 힘 역학과 LLM 추론을 결합한 이중 단계 아키텍처를 통해 안전하고 효율적인 자율주행 경로 계획을 실현하는 혁신적인 프레임워크입니다. HighD 데이터셋 실험 결과 기존 모델 대비 5가지 안전 지표에서 우수한 성능을 입증했습니다.

자율주행의 미래를 위한 혁신적인 접근: LetsPi

최근 급격한 발전을 거듭하고 있는 인공지능(AI) 분야에서, 특히 자율주행 기술은 우리 삶의 미래를 바꿀 잠재력을 지니고 있습니다. 하지만 자율주행 시스템의 안전성 확보는 여전히 풀어야 할 중요한 과제입니다. 기존의 대규모 언어 모델(LLM)은 주행 관련 작업에서 뛰어난 추론 및 일반화 능력을 보여주었지만, 환각, 불확실성, 그리고 긴 추론 지연 시간과 같은 문제점들을 안고 있습니다. 특히 교통 안전에 특화된 지식이 부족하다는 점이 큰 걸림돌이었습니다.

이러한 문제점들을 해결하기 위해, Rui Gan 등 연구진이 개발한 LetsPi는 물리 기반, 이중 단계, 지식 기반 프레임워크를 통해 안전하고 사람과 같은 주행 경로 계획을 가능하게 합니다. LetsPi의 핵심은 물리 기반 사회적 힘 역학과 LLM 추론의 결합입니다. LLM은 주행 환경과 과거 정보를 분석하여 사회적 힘 모델에 적합한 매개변수와 목표 지점을 제공하고, 사회적 힘 모델은 미래 경로를 생성합니다. 이를 통해 환각과 불확실성을 최소화하는 동시에 안전성을 극대화합니다.

더욱 혁신적인 것은 이중 단계 아키텍처입니다. 메모리 수집 단계에서는 물리 기반 LLM을 활용하여 계획 결과를 추론, 반성, 메모리 모듈을 통해 정제하고, 안전하고 고품질의 주행 경험을 메모리 뱅크에 저장합니다. 여기서 대리 안전 측정과 물리 기반 프롬프트 기술은 LLM의 교통 안전 및 물리적 힘에 대한 지식을 향상시키는 핵심 역할을 수행합니다. 빠른 추론 단계에서는 새로운 상황에 대해 유사한 주행 경험을 소수의 예시로 추출하여 입출력 요구 사항을 단순화함으로써 안전성을 저해하지 않고 빠른 경로 계획을 가능하게 합니다.

HighD 데이터셋을 사용한 광범위한 실험 결과, LetsPi는 기존 모델에 비해 다섯 가지 안전 지표에서 모두 우수한 성능을 보였습니다. 이는 LetsPi가 자율주행 시스템의 안전성 향상에 크게 기여할 수 있음을 시사합니다. LetsPi의 등장은 자율주행 기술의 안전성과 효율성을 동시에 높이는 획기적인 성과로, 자율주행의 미래를 한층 밝게 비추고 있습니다. 자세한 내용은 논문과 GitHub 링크를 참조하세요. (See PDF for project Github link.)