[2026자율주행AI챌린지] Motion Prediction baseline model (작성중)

[김위제]

WSL Ubuntu 22.04

GPU - 4070 SUPER

Baseline Model

https://github.com/rainmaker22/SMART

GitHub - rainmaker22/SMART: [NeurIPS 2024] SMART: Scalable Multi-agent Real-time Motion Generation via Next-token Prediction

nuPlan Closed-loop Planning 환경에서의 모델별 성능 비교표

Planner Score: 전체 지표를 종합한 최종 점수

Collisions: 자율주행 중 타 차량이나 장애물과 충돌하지 않고 주행한 비율

TTC (Time-To-Collision): 앞차 등과의 거리를 계산해 충돌까지 남은 여유 시간을 얼마나 잘 확보하며 달렸는지

Drivable: 인도나 반대편 차선으로 이탈하지 않고, 주행 가능 구역(Drivable Area) 내에서 정상적으로 달린 비율

Comfort: 급가속, 급제동, 과도한 저크(Jerk,가속도가 빠르게 변하는것) 등 승차감을 저해하는 요소를 평

Progress: 주어진 목적지까지 경로를 얼마나 많이 완주했는지 나타내는 진행률

Speed: 도로의 규정 및 제한 속도를 위반하지 않고 적절한 속도를 유지했는지 평가

waymo_open_dataset

테스트로 파일 1~2개만 먼저 다운로드함

gsutil cp gs://waymo_open_dataset_motion_v_1_3_1/uncompressed/scenario/training/<파일명> ./data/waymo/scenario/training/

전처리

Waymo 원본 데이터를 모델이 학습할 수 있는 형태로 변형

python data_preprocess.py --input_dir ./data/waymo/scenario/training --output_dir ./data/waymo_processed/training

tfrecord 형태의 데이터를 

pkl 형태로 데이터를 변형해줌

모델 학습

python train.py --config ${config_path}

.yaml 파일에서는 파라미터들을 설정할수있고
dataset 경로를 설정할수 있다.

에폭당 3분정도 걸리고
한 에폭이 끝날때마다 validation을 실행하는데 2분정도 걸린다

v_num

train.py에서 로그 폴더를 자동으로 새로 만드는데, 지금이 n번째로 실행한 run이라는 뜻

train_loss_step / class_loss_step

현재 batch train loss

val_cls_acc

대회 같은경우에 scene을 약 260,000개를 추출한 후 pkl파일로 저장하여 학습과 테스트에 사용한다