F1-TENTH 주행을 위한 임베디드 보드 성능 비교

Q: 이 논문에서 정의한 임베디드 보드란 무엇인가?

임베디드 보드는 F1-TENTH 자율주행 차량의 제어에 사용되는 핵심 하드웨어 구성 요소이다. 이는 차량의 주행 성능에 직접적인 영향을 미치며, 자율주행 알고리즘의 핵심 요소인 Localization과 제어 신호의 처리 속도를 담당한다. 본 연구에서는 Jetson AGX Orin과 Jetson Orin Nano 두 가지 보드를 비교 분석하였다.

Q: F1-TENTH 차량에 적합한 임베디드 보드 선택 기준은 무엇인가?

연구 결과, F1-TENTH 차량의 임베디드 보드 선택은 알고리즘의 복잡도와 성능 요구사항에 따라 달라진다. 간단한 알고리즘에는 에너지 효율적이고 경량화된 Jetson Orin Nano가 적합하며, 강화 학습처럼 복잡한 알고리즘에는 높은 연산 성능을 제공하는 Jetson AGX Orin이 더 유리하다.

안하민; 박주연; 고민성; 김재헌; 차현진; 김지환; 김종찬

학술대회자료

저자정보: 안하민 (국민대학교) 박주연 (국민대학교) 고민성 (국민대학교) 김재헌 (국민대학교) 차현진 (국민대학교) 김지환 (국민대학교) 김종찬 (국민대학교)

저널정보: 한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2024년 한국자동차공학회 추계학술대회 및 전시회

오류 신고하기

피인용 0

검색

초록·키워드

This study conducts a comparative analysis of the driving performance of embedded boards for F1-TENTH autonomous racing. Focusing on the Jetson AGX Orin and Jetson Orin Nano boards, we evaluate performance indicators such as battery efficiency, weight, and delay. The analysis reveals the strengths and weaknesses of each board and discusses their suitability in autonomous driving systems. Experimental results indicate that while the Jetson AGX Orin board demonstrated high performance, it had drawbacks in weight and battery consumption, whereas the Jetson Orin Nano showed excellent performance, due to its lightweight design and efficient energy use. This research provides crucial insights into the selection of embedded boards for autonomous vehicle development and serves as a foundational reference for future studies.

#Automotive Driving(자율주행) #F1-TENTH(에프원-텐스) #Embedded Board(임베디드 보드) #Driving performance analysis(주행 성능 분석) #Lidar(라이다)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료