[TTA] 스마트 모빌리티를 위한 자율주행 데이터와 인공지능

- 출처 : [TTA] 스마트 모빌리티를 위한 자율주행 데이터와 인공지능 - 윤현정, 이신경 ETRI 자율주행지능연구실 책임연구원

2. 자율주행 지능학습 데이터

- 자율주행을 위한 인지 기술은 심층 신경망 기반의 인지 모델이 사용됨에 따라, 인지 알고리즘의 올바른 학습과 이를 위한 양질의 학습데이터가 필수다. 이를 위해 글로벌 자율주행차 관련 업체들은 지능학습 데이터 세트를 공개하고 활용을 유도하고 있다.

2.1 지능학습 데이터 기술 현황

- 데이터 수집, 가공에서 이미지와 포인트 클라우드의 객체 라벨링은 라벨 사용의 초기 목적을 넘어서 더 많은 복잡성을 추가해야 할 필요성에 직면해 있다.

- 즉, 자율주행 기능의 복잡성과 범위가 증가함에 따라 이벤트, 작동(Action) 또는 라벨링 요소 간 관계와 같은 상위 수준의 표현(의미적 표현)이 요구된다.

- 자율주행 관련 업체와 자율주행기술 개발 프로젝트가 학습데이터 세트와 주석 정의를 생성하면서, 서로 다른 프로젝트 또는 공급업체의 라벨을 통합하여 사용할 수 있는지에 관한 기술적 이슈 혹은 표준화 이슈도 발생했다.

- 현재까지 산업계에서 공통 레이블링 표준이 없는 이유

차량간 호환의 어려움: 주행환경에 대한 서로 다른 설명, 이해로 인해 둘 이상의 다른 ADS를 포함하는 복잡한 상황에서 사고를 일으킬 수 있다.
공유의 어려움: 서로 다른 라벨 분류법과 규격을 채택하는 조직간 공유가 불가능하지는 않지만 상당한 어려움이 발생한다.
주석(Annotation) 품질 저하: 개별 라벨링 작업을 위해서는 작업자 교육 및 맞춤형 소프트웨어 기능 개발이 완료되어야 하며, 이는 오류 확률이 높고 안전에 위협이 될 수 있다.
이전 라벨의 사용중단: ADS 장기 운행은 새로운 센서 및 시나리오의 진화, 새로 생겨날 라벨의 증가와 다양성의 변화를 의미한다. 따라서 라벨의 향후 확장 및 변경을 흡수하고 역호환성을 보장하기 위해 유연하게 기술할 수 있는 언어가 필요하다.

2.2 ASAM OpenLABEL 표준화 현황

- ASAM OpenLABEL은 객체와 시나리오를 라벨링하기 위한 라벨링 방법 및 구조, 그리고 JSON 스키마를 이용하는 저장 파일 포맷 등을 정의한다.

- 시나리오 레이블링, 저장 및 검색 유스케이스

3. 자율주행 테스트를 위한 데이터

- Lv.4 이상의 ADS 테스트를 위해 실도로 주행 테스트 기반 검증 방법의 한계점을 보완하기 위한 시나리오 기반 접근 방법이 개발되고 있다.

- 시나리오는 발생 확률 및 위험도에 따라 분류될 수 있는데, 특히 실도로에서 확인하기 어려운 위험 및 특이(Edge case) 시나리오 기반 테스트가 중요하다.

- 자율주행 테스트 시나리오 표준(ISO/DIS 34501)에서는 기능, 논리, 상세 등 3가지 단계 시나리오로 구분하여 논리 및 상세 시나리오 개발 관련 프레임워크 및 요구사항을 규정하고 있다.

- 실도로 트래픽 데이터를 이용한 시나리오 설계 과정

- 시나리오 기반 ADS 안전도 검증을 위한 프레임워크 표준 (ISO/CD 34502)에서는 위험 시나리오를 식별하고 시나리오의 매개변수 공간(범위)을 결정하기 위해 실세계 트래픽 및 사고 데이터, 주행 테스트 및 법규 데이터 등이 적용된다.

- 주행데이터 수집은 자율주행 알고리즘을 위한 학습뿐만 아니라 테스트 시나리오를 위한 참조 데이터로도 중요하다.

- 데이터 기반 자율주행 테스트 시나리오 표준화에는 많은 부분 ASAM 표준이 기반이 되고 있다.

- ASAM OpenX 표준은 자율주행 검증을 위한 테스트 워크플로우의 전체 단계를 다루고 있으며, 도로 네트워크, 주행 기동 및 테스트 시나리오 등을 다루고 있다.

4. 자율주행 이벤트 분석을 위한 데이터

- 기존 차량의 사고기록장치(EDR)와 유사하게 자율주행차가 인지한 것("What the ADS saw")과 동작한 것("What the ADS did")에 관한 데이터 기록은 자율주행 이벤트(사고)를 재현하는 데 무엇보다 중요하다.

- 차량제어("What the ADS did") 관련 기록 데이터

망가천재의 스토리텔링