밤에도, 비바람에도! 혁신적인 레이더 기반 물체 탐지 모델 TransRAD 등장!

Lei Cheng과 Siyang Cao 연구팀이 개발한 TransRAD는 Retentive Vision Transformer(RMT)와 Location-Aware NMS를 활용하여 레이더 기반 3D 물체 탐지의 정확도와 속도를 크게 향상시킨 혁신적인 모델입니다. 저조도 및 악천후 환경에서도 높은 성능을 보이며, 자율주행 및 로봇 기술 발전에 크게 기여할 것으로 예상됩니다.

자율주행과 지능형 로봇 분야에서 환경 인식 기술은 꾸준히 발전하고 있지만, 카메라와 라이다는 저조도 환경이나 악천후 속에서는 신뢰성이 떨어지는 치명적인 약점을 가지고 있습니다. 이러한 한계를 극복할 수 있는 대안으로 레이더가 떠오르고 있지만, 낮은 해상도, 높은 노이즈, 시각 정보 부족 등의 문제로 인해 레이더 기반 물체 탐지는 아직까지 미개척 분야로 남아있었습니다.

하지만 이제, Lei Cheng과 Siyang Cao 연구팀이 개발한 TransRAD가 이러한 한계를 뛰어넘는 혁신적인 해결책을 제시합니다! TransRAD는 정보가 풍부한 레이더 Range-Azimuth-Doppler(RAD) 데이터에서 특징을 더욱 효과적으로 학습하도록 설계된 새로운 3D 레이더 물체 탐지 모델입니다. 핵심은 바로 Retentive Vision Transformer (RMT) 의 활용입니다.

RMT가 제공하는 Retentive Manhattan Self-Attention (MaSA) 메커니즘은 명시적인 공간적 사전 정보를 통합하여 RAD 데이터 내 레이더 표적의 공간적 특징과 정확하게 정렬될 수 있도록 합니다. 이를 통해 Range-Azimuth-Doppler 차원에서 정밀한 3D 레이더 탐지가 가능해집니다. 여기에 더해, Location-Aware NMS를 도입하여 딥 레이더 물체 탐지에서 자주 발생하는 중복 바운딩 박스 문제까지 효과적으로 해결했습니다.

실험 결과, TransRAD는 2D 및 3D 레이더 탐지 작업 모두에서 최첨단 방법들을 능가하는 높은 정확도, 빠른 추론 속도, 그리고 낮은 계산 복잡도를 달성했습니다. 더욱 놀라운 것은, 이 모든 코드가 GitHub에서 공개되어 있다는 점입니다! 앞으로 TransRAD는 자율주행 및 로봇 기술의 발전에 큰 기여를 할 것으로 기대됩니다. 어떤 환경에서도 안전하고 정확한 물체 탐지를 가능하게 하는 TransRAD, 그 가능성에 주목해야 할 때입니다.