연구논문 · 게시 2022.06.01 · 출판·채택: 저자 보고
End-to-End 주행 모델의 효율적 학습·검증을 위한 데이터 선택
On the Choice of Data for Efficient Training and Validation of End-to-End Driving Models
자료 개요
CARLA에서 학습 데이터 양, 데이터 생성 방식, 검증 경로 및 random seed가 주행 성능에 미치는 영향을 분석한다. 미지 환경으로의 검증 결과 일반화와 보고된 성능 개선의 유의성을 검토한다.
출판·판본 정보
출판·채택 정보는 arXiv에 기재된 저자 보고입니다. 아래 원문 기재 정보를 확인할 수 있습니다.
원문 저자 기재 정보
arXiv의 저자 기재 정보입니다.
Accepted at CVPR VDU Workshop 2022
판본: arXiv v1 — manuscript revision