Swimmer

논문 : Cui, Henggang, et al. "Deep kinematic models for kinematically feasible vehicle trajectory predictions." 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020. 요약 본 논문은 딥러닝 기반의 주행 객체 궤적을 예측하는 방법을 제시한다. 주행 객체 궤적 예측 시, 차량의 Kinematics를 encode하는 방법을 제안한다. 제안 방법은 어떤 딥 러닝 아키텍처에도 적용할 수 있는 General한 방법이다. 관련 연구 클래식 Motion 예측 방법 주행 객체의 Kinematics를 바탕으로 인지 시점의 객체의 Control in..

참조 : https://medium.com/dair-ai/an-illustrated-guide-to-graph-neural-networks-d5564a551783 Graph 그래프는 노드 (node, vertex)와 엣지 (edge)로 구성되는 자료 구조 입니다. 그래프는 각 노드가 엣지로 연결되어 있고, 시작지점과 끝지점이 없는 정보를 표현하는데 적합한 자료 구조 입니다. 엣지는 노드 간 관계를 표현합니다. 엣지는 방향을 가지는데, 단방향일 수 있고 양방향일 수 있습니다. 공부할 것 : recurrent unit, embedding vector representation, feed forward neural network Graph Neural Network 그래프의 각 노드는 특정 속성을 나타내는 값..

Paper : Gao, Jiyang, et al. "Vectornet: Encoding hd maps and agent dynamics from vectorized representation." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020. Website : https://blog.waymo.com/2020/05/vectornet.html 요약 자율주행 차량의 Motion Planning을 위한 주변 Agent의 Behavior prediction에 사용 가능한 뉴럴 네트워크 아키텍처 제안 도로 상황을 Rasterized Image (2D or 3D)가 아닌 Vector 형태로 표현해 뉴럴 넷..

Paper: Vitelli, Matt, et al. "Safetynet: Safe planning for real-world self-driving vehicles using machine-learned policies." 2022 International Conference on Robotics and Automation (ICRA). IEEE, 2022. Website: https://www.self-driving-cars.org/papers/2022-safetynet 요약 자율주행을 위한 Imitation Learning 기반의 Motion Planning 기법을 설명한다. Machine Learning planner와 rule-based fallback path planning layer가 합쳐진..