인공지능(AI)의 발전으로 가능해진 자율주행 자동차

자율주행, 운전에서 자유로워지는 기술

최근에 아래 사진처럼, 차를 가지고 캠핑하러 가거나, 차박을 하는 사람들이 부쩍 많아졌습니다. 자신이 좋아하는 자동차와 함께 여행을 떠나는 일은 정말 낭만적인 경험일 것입니다. 그렇지만, 피곤한 몸을 이끌고 장거리 운전을 할 때, 또는 친구들과 술 한잔을 했는데, 차를 가지고 집으로 돌아가야 할 때에는 정말 피곤한 일이 될 것입니다. 이럴 때 누군가 대신 운전해 주면 정말 좋겠다는 생각을 누구나 한 번쯤은 해보았을 것입니다. 

 

그 때문인지, 최근 자동차 제조회사에서는 자율주행 기능이 탑재된 자동차들을 출시하고 있습니다. 특히, 자율주행 자동차의 대표주자인 테슬라(TESLA)에서는 "오토파일럿(Autopilot)" 기능이 포함된 자동차를 생산하고 있습니다. 이 기능은 현재 차로를 유지하거나, 앞차와의 간격을 확인하여, 속도를 줄이거나 정차하고, 가속할 수 있는 기능입니다. 이 외에도 자동 주차, 무인 단거리 이동, 차로 변경 등의 향상된 기능도 옵션으로 선택할 수 있도록 제공하고 있습니다. 

 

내가 원할 때는 운전을 대신해 줄 수 있는 자율주행은 이처럼 정말 매력적인데요. 오늘은 그 속에 활용된 AI 기술에 대해서 살펴보겠습니다. 

 

 

사진:  Unsplash 의 Sam Manns

 

 

 

자율주행 자동차의 목표

자율주행 자동차(Self-driving cars, Autonomous vehicles)라고도 불리는 자율주행 자동차는 인공지능(AI), 컴퓨터비전(Computer Vision), 로봇 공학 등 첨단 기술을 결합해 빠르게 발전하고 있는 분야입니다. 자율주행 자동차의 기본 아이디어는 사람의 개입 없이 안전하게 운행할 수 있는 차량을 만들어 운송을 더 쉽고 효율적이며 안전하게 만드는 것입니다. 이러한 차량에 사용되는 AI 알고리즘은 내비게이션 및 장애물 회피에서 속도 제어 및 교통 규칙 준수에 이르기까지 광범위하고 복잡한 기능을 수행하는 임무를 맡고 있습니다.

자율주행 자동차 개발의 핵심 과제 중 하나는 안전성(Safety)과 신뢰성(Reliability)을 확보하는 것입니다. AI 알고리즘은 많은 양의 데이터를 통해 학습되어, 패턴을 인식하고, 해당 정보를 기반으로 의사 결정을 내릴 수 있어야 합니다. 이것은 알고리즘이 예상치 못한 시나리오에 대해서도 빠르고 정확한 결정을 실시간으로 내릴 수 있어야 함을 의미합니다. 이를 위해서는 자율주행차에 사용되는 AI 시스템이 강력한 의사 결정 능력을 갖추고, 새로운 상황이 발생할 때 적응할 수 있도록 설계되어야 합니다. 

 

 

 

자율주행 등급의 종류

앞서 말한 것처럼, 자율주행차에 사용되는 AI 시스템이 강력한 의사 결정 능력을 갖추고, 새로운 상황이 발생할 때 적응할 수 있도록 설계되어야 합니다. 따라서, 시스템의 자율주행 능력에 따라서, 5단계로 분류해 놓았습니다. 

 

0단계는 사람이 운전해야 하는 단계이고, 1~3단계는 특정 조건에서만 자율주행시스템이 작동하는 단계입니다. 4단계는 자율주행 시스템이 주행하지만 몇 가지 예외 상황에서 사람이 주행할 필요가 있는 단계입니다. 5단계는 사람이 운전할 필요가 없는 완전한 자율주행 시스템으로 볼 수 있습니다. 

• Level 0, No Automation (비자동화) : 운전자의 개입이 필수
• Level 1, Driver Assistance (운전자 보조) : 차선 이탈 방지 등의 보조 역할, 운전자의 운전이 필수
• Level 2, Partial Automation (부분 자율주행) : 커브 길에서 방향 조종, 앞차 간격 유지 등의 보조 주행 역할, 운전자의 운전 필수
• Level 3, Conditional Automation (조건부 자율주행) : 고속도로와 같은 방해 없는 구간에서 자율주행이 가능한 수준
• Level 4, High Automation (고도화된 자율주행) : 대부분의 도로에서 자율주행이 가능한 수준, 제어와 책임이 시스템에 주어지는 단계
• Level 5, Full Automation (완전 자율주행) : 운전자가 없어도 완전한 자율주행이 가능한 단계

 

 

 

자율주행 자동차에 사용되는 기술

자율주행차에서 중요한 기술은 컴퓨터 비전(Computer Vision)과 딥러닝(Deep Learning) 기술의 사용입니다. 먼저, 컴퓨터 비전을 통해 차량은 주변 환경을 보고 해당 정보를 기반으로 결정을 내릴 수 있습니다. 예를 들어 컴퓨터 비전 알고리즘을 사용하여 다른 차량, 보행자 및 장애물을 감지하고 추적하여 자율주행차가 주변 환경을 안전하게 탐색할 수 있습니다. 또한 컴퓨터 비전 기술을 사용하여 교통 패턴과 도로 상태를 분석하여 차량이 정보에 입각한 결정을 내리는 데 도움을 줄 수 있습니다. 

다음으로, 자율주행차 개발에는 여러 AI 기술을 응집력 있는 시스템으로 통합해야 합니다. 여기에는 AI 시스템이 대량의 데이터를 기반으로 학습하고 결정을 내릴 수 있도록 하는 딥러닝(Deep Learning) 알고리즘의 사용이 포함됩니다. 또한 컴퓨터 비전 기술과 센서 및 기타 하드웨어를 사용하여 환경에 대한 정보를 수집하고 해당 정보를 기반으로 결정을 내립니다. 이러한 기술을 통합함으로써 자율주행차는 운송에 대한 우리의 사고 방식을 혁신하여 더 안전하고 편리하며 효율적으로 만들 수 있는 잠재력을 가지고 있습니다. 

 

정리해 보면, 자율주행은 컴퓨터 비전과 딥러닝을 활용하여, 아래와 같은 일들을 인식, 판단, 대응한다는 것을 알 수 있습니다. 

• 개체 감지 및 분할 : 이 기술을 통해 차량은 이미지 내의 특정 개체를 식별하고 해당 위치와 크기를 결정할 수 있습니다. 이 정보는 환경 탐색 방법에 대한 결정을 내리는 데 사용됩니다. 
• 차선 감지 및 추적 : 이 기술은 도로에서 차선 표시의 위치를 ​​결정하고 해당 표시와 관련된 차량의 위치를 ​​추적하는 데 사용됩니다. 
• 장애물 감지 : 이 기술은 다른 차량, 보행자 및 도로의 장애물과 같은 차량 경로의 장애물을 감지하고 피하는 데 사용됩니다. 
• 모션 추정 및 추적 : 이 기술을 통해 차량은 환경에서 물체의 모션을 추정하고 시간 경과에 따른 움직임을 추적할 수 있습니다. 

 

실제로 테슬라의 자율주행 시스템도 이를 근본으로 하여 구성되어 있습니다. 

"Vision" 시스템을 통해 차량 주변을 인식 및 사물의 움직임을 예측한 뒤에, 차량의 운행을 계획하는 "Neural Net Planner" 시스템이 있고, 이 두 가지 시스템의 예측과 정보를 바탕으로 실제 차량을 주행하는 "Explicit Planning & Control" 시스템으로 구성되어 있습니다. 

 

 

 

정리하며, 

결론적으로 자율주행차의 개발은 AI와 로봇 공학 분야의 주요 발전을 의미합니다. 딥 러닝, 컴퓨터 비전 및 센서와 같은 첨단 기술을 결합함으로써, 자율주행 차량은 우리가 운송에 대해 생각하는 방식을 혁신적으로 변화시킬 것입니다. 자율주행 시스템의 안전성과 신뢰성을 보장하는 것과 같이 극복해야 할 과제가 여전히 많이 남아 있지만, 자율주행 자동차의 잠재적인 장점으로 인해, 향후 몇 년 동안 주목할만한 기술이라고 말할 수 있습니다.