신경망 시뮬레이터(월드 모델)를 활용한 고효율 End-to-End 자율주행 핵심기술 개발 및 실차 검증 연구

신경망 기반 시뮬레이터(월드 모델)와 강화학습을 활용하여 획기적으로 효율적인 End-to-End (E2E) 자율주행 AI 모델을 개발하는 것을 목표로 함. 특히, 다수의 플릿 차량…

강화학습 기반 충돌 회피/경감 알고리즘의 지식 전이 방법론 연구

- 강화학습 기반 충돌 회피/경감 시스템 고도화 - 지식 전이 알고리즘 및 전이된 지식을 활용한 E2E 알고리즘 개발 - Neural simulator를 활용한 데이터 생성 및…

E2E 자율주행 레퍼런스 데이터 구축 및 기반 기술 개발

- End-to-End 자율주행 기술 개발을 위한 데이터셋 구축 및 데이터 처리기술 개발 - End-to-End 자율주행 기술 개발을 위한 AI 모델 개발

VLA 모델 학습·검증용 데이터셋 구축 및 가상 시뮬레이션 기반 검증 기술 개발

- VLA 모델 학습·검증용 멀티모달 (V,L,A) Triplet 데이터셋 자동 구축 - 가상 시뮬레이션 기반 폐루프 검증 환경 구축을 통한 VLA 전주기 데이터·검증 인프라 개…

EREV의 연비 향상을 위한 SOC 계획 제어 프레임워크 개발

- 교통 데이터를 활용한 차량 거동 예측 모델 개발 - EREV의 연비 최적화를 위한 SOC 계획

자율 주차를 위한 강화학습 기반 주차 경로 생성 기술 개발

- 인지 데이터 기반 시뮬레이터 및 강화 학습 환경 구축 - 강화학습 기반 Hybrid 경로 생성 기술 개발

악천후/비정형 환경변화에서의 Seamless 자율주행을 위한 인지/판단 AI SW 핵심 기술 개발

레벨4 자율주행 서비스 지원을 위해 기상환경 변화(정상-악천후)와 공간환경 변화(정형-비정형)의 복합주행환경을 극복하여 연속 주행이 가능한 고도화된 자율주행 인지·예측·판단 인공지…

Lv.4 자율주행 차량 테스트베드 환경 구축

Lv.4/4+ 자율주행 및 자율협력주행 기술 검증 및 자율주행 서비스 안전성을 검증하기 위한 실도로와 유사한 테스트베드 평가환경을 조성하고 실제 차량을 기반으로 다양한 가상교통상황…

국토교통 DNA플러스 도로교통분야 융합기술대학원

.