[TTA] 자율주행 알고리즘

[ 자율주행 알고리즘 아키텍처 ]

 

 

- 출처 : [TTA] 자율주행 알고리즘 - 소재현 아주대학교 교통시스템공학과 조교수

 

 

 

2. 자율주행 시스템 구성

 

2.1 자율주행 알고리즘의 개요

 

- 자율주행 자동차는 차량에 장착된 각종 센서로부터 수집된 데이터를 종합하여 상황을 ‘인지’하고, 인지된 상황에 근거하여 차량을 어떻게 제어하고 주행해야 할지 ‘판단’하며, 이러한 주행제어 측면의 판단에 근거하여 차량을 ‘제어’한다.

 

 

2.2 자율주행 알고리즘 아키텍처

 

1) 인지 (perception)

 

- 첫 번째 필수 기능으로 사람의 눈과 귀 역할을 하는 카메라, 레이더, 라이다 등 센서 기술을 활용한다. 인지기술은 자율주행 자동차의 상황 판단 및 차량 제어의 기반이 되는 데이터를 수집하고 분석하는 기술이기에 정확하게 정보를 수집하여 센싱된 객체를 정확하게 판별해내는 능력이 그 어떤 것보다 중요하다.

 

- 센싱된 정보를 검증해야 할 경우에 대비해 디지털맵, GPS, V2X 무선통신을 함께 사용하기도 한다. 센서를 통해 인지된 교통표지 정보에 대해 디지털맵을 통해 확인하고, 교통신호정보를 V2X 무선통신에 의해 수신하는 등 센서만으로 판단 내리기 어려운 상황에 대비하여 인지시스템의 구성을 다중화하는 것이다.

 

- 자율주행자동차 센서 구성

 

 

 

2) 판단 (decision & Planning)

 

- 인지된 상황정보에 근거한 차량제어 및 경로설정을 결정하는 기능이다.

 

- 일반적으로 자율주행 자동차의 판단기술은 주어진 상황에서 차량의 경로를 생성하는 기술로 이해할 수 있다.

 

- 차량의 전방에 정지차량, 보행자, 장애물 등이 인지되었을 때, 이를 피해갈 것인지 혹은 그대로 주행할 것인지 등을 판단하고, 전방위험상황을 회피한다고 할 때 그대로 정지할 것인지 혹은 차선변경을 할 것인지 등에 대한 다양한 경로 대안을 고려하여 최적의 선택을 내리게 된다. 이를 위해 자율주행 알고리즘은 수많은 경로대안에 대해 충돌확률, 차량 내 승객 안전성, 이동효율성 등 다양한 측면의 효과를 분석하여 최적의 단일한 경로대안을 산출하게 된다.

 

- 트롤리 딜레마는 운전자의 지시 없이 원하는 목적지까지 알아서 주행해야 하는 자율주행 자동차가 ‘판단’ 측면에서 경험하게 될 대표적인 악의 상황으로 여겨진다.

 

- MIT 연구진은 모랄머신(moral machine)이라는 웹사이트를 통해 자율주행차와 같은 인공지능의 윤리적 결정에 대한 사회적인 인식을 수집하고 있다.

 

[ 트롤리 딜레마 (trolley dilemma) ]

 

 

3) 제어 (control)

 

- 자율주행 자동차의 제어는 눈, 귀와 같은 감각기관을 통해 수집된 정보를 두뇌가 판단하여 팔이나 다리 등을 통해 움직이게 하는 것에 비유할 수 있으며, 이는 차량 측면에서의 감속, 가속, 정지, 회전 등으로 표현되곤 한다.

 

- 차량의 제어는 자율주행의 마지막 단계로 차량의 파워 트레인, 브레이크, 스티어링 등을 통해 수행된다.

 

 

3. 자율주행에서의 인공지능의 역할

 

3.1 센서수집정보를 통한 객체 인식

 

 

- 인공지능은 자율주행 자동차의 각종 센서들이 수집한 정보를 기반으로 빠른 시간 내에 데이터로부터 사물의 종류와 형태를 넘어 그 의미까지 이해하여 사물인식정보를 추출한다.

 

- 자율주행시스템이 상황을 인식하여 즉각적인 반응을 수행해야 하므로, 주변사물에 대한 높은 정확도의 인식율과 실시간 처리가 핵심이며, 이렇게 신속성과 정확성을 모두 만족해야 하므로 기술 구현의 난이도가 매우 높을 수밖에 없다.

 

- 딥러닝 기반의 인공지능 기술이 빠르게 발전하면서, 카메라를 통해 수집되는 정보에 기반하여 인간의 시각으로 인식하기 어려운 사물들까지도 더 정확하고 빠르게 인지해내는 기술 수준에 도달하였다.

 

- 차량의 진행방향, 보행자의 움직임, 교통표지의 의미 등과 같이 인식된 사물들의 의도(intention)를 이해하는 수준에까지 오른 것이다.

 

 

3.2 학습을 통한 안정적 주행 지원

 

- 인공지능은 효율적인 차량주행 방법을 스스로 학습하며 주행능력을 향상시키고 있다.

 

- 최근 딥러닝 기반의 인공지능 구현을 통해 인간 운전자의 차량제어방식을 학습하여 인간운전자에 버금가는 또는 이를 넘어서는 학습 기반 자율주행 알고리즘이 개발되고 있다.

 

- 안정적인 자율주행을 위해서는 인공지능이 다양한 교통상황 및 예측하기 어려운 상황에도 대응이 가능하도록 최대한 많은 주행데이터를 확보하는 것이 관건이라 할 수 있다.

 

[ 딥러닝과 강화학습 ]

 

 

 

4. 맺음말

 

- 인간의 지능과 생각체계를 모사한 인공지능은 자율주행 분야에서 선택이 아닌 필수가 되어가고 있다.

 

- 자율주행 자동차는 데이터 기반의 학습에 의한 자가진화형 자율주행 인공지능 기술이 핵심이 되었다.