[논문리뷰] MapAgent: An Industrial-Grade Agentic Framework for City-scale Lane-level Map Generation

링크: 논문 PDF로 바로 열기

메타데이터

저자: Deguo Xia, Zihan Li, Haochen Zhao, Dong Xie, Yuyao Kong, Xiyan Liu, Jizhou Huang, Mengmeng Yang, Diange Yang, et al.

1. Key Terms & Definitions (핵심 용어 및 정의)

• BEV (Bird’s-Eye-View): 차량 센서 데이터를 기반으로 도로 환경을 상공에서 내려다보는 형태로 변환한 2차원 공간 표현 방식.
• Backbone: 입력된 센서 데이터로부터 초기 lane geometry 및 topology를 추론하는 End-to-End 신경망 모델(예: DuMapNet, GeMap).
• Judge Agent: VLM을 기반으로 제안된 초기 맵의 오류를 진단하고, 구조화된 증거를 생성하여 사양 준수 여부를 확인하는 모듈.
• Planner Agent: Judge Agent의 진단 결과를 바탕으로 사양에 부합하는 최소한의 수정 계획(Action Plan)을 생성하는 규칙 기반 모듈.
• Worker Agent: Planner Agent가 생성한 계획을 실행하여, Category Worker, Delete Worker, Smooth Worker, Regenerate Worker 등 결정론적 도구를 통해 맵을 수정하는 에이전트.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 연구는 고정밀 Lane-level Map의 자동 생성 및 유지보수 과정에서 발생하는 사양 준수 오류를 해결하기 위한 Agentic Framework를 제안한다. 기존의 End-to-End Vectorization 방식은 가시적인 도로 표식에만 의존하여 사후 인간의 수동 편집(Human Post-editing) 작업이 필수적이며, 특히 복잡한 도로 상황에서 사양 위반이 빈번하게 발생한다. 저자들은 기존 Backbone 모델의 Throughput과 성능은 유지하면서, 규정 준수 및 기하학적 정합성을 보장하는 Agent-based Refinement 프레임워크인 MapAgent를 설계하였다. 이는 [Figure 1]에 나타난 바와 같이 기존 One-pass 파이프라인의 한계를 극복하고 자동화 수준을 극대화하고자 하는 의도를 가진다.

Figure 1 — 기존 파이프라인과 제안된 MapAgent의 구조적 차이를 명확히 보여주는 핵심 다이어그램

3. Method & Key Results (제안 방법론 및 핵심 결과)

MapAgent는 Quality Agent를 통해 낮은 신뢰도를 가진 타일만을 선택적으로 Judge–Planner–Worker 루프를 통해 개선함으로써 효율적인 생산성을 보장한다. Judge Agent는 SFT(Supervised Fine-Tuning)와 GRPO(Group Relative Policy Optimization)를 통해 VLM을 정렬하여, 오류 유형을 정확히 분류하고 구조화된 증거를 생성한다. Planner Agent는 이러한 진단 데이터를 사양 제약 조건 내에서 해석하여 결정론적인 수정 계획을 수립하고, Worker Agent가 이를 실행한다. [Table 1]의 결과에 따르면, Qwen3-VL-8B-Thinking 기반의 Judge Agent는 GRPO 정렬을 통해 Accuracy를 86.01%까지 향상시켰다. 또한 [Table 3]에서 MapAgent를 적용한 후 GeMap은 F1-score가 69.1에서 76.0으로, DuMapNet은 68.6에서 78.0으로 일관된 성능 향상을 보였다.

Table 1 — 모델의 성능 향상을 결정짓는 Judge 모델의 세부 지표 비교표

Table 3 — 다양한 Backbone 모델에 MapAgent를 적용했을 때의 성능 향상을 보여주는 핵심 실험 결과 테이블

4. Conclusion & Impact (결론 및 시사점)

본 연구는 MapAgent를 통해 End-to-End Vectorization과 규정 준수형 Map Production 사이의 격차를 효과적으로 해소하였다. 제안된 프레임워크는 Baidu Maps에 성공적으로 통합되어 360개 이상의 도시에서 생산 자동화율을 95% 이상으로 높이는 성과를 거두었다. 이 방법론은 대규모 Autonomous Driving 인프라 구축에 필요한 고품질 맵 생산 비용을 절감하는 실질적인 솔루션을 제시하며, 향후 자동화된 맵 업데이트 파이프라인의 핵심 표준으로 활용될 것으로 기대된다.

---

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.