AI at the Wheel: 인공지능이 자율주행차의 진화를 주도하는 방법

약 200년 전만 해도 독특한 기능을 갖춘 고품질 자동차는 일반인이 상상할 수 없었던 일이었지만, 그 이후로 우리는 전기 자동차와 하이브리드 자동차가 우리 삶의 일부가 되면서 많은 발전을 이루었습니다. 

오늘날 자율주행자동차(AV)는 많은 볼거리와 기대를 안고 주류로 진입한 자동차의 혁신을 주도하고 있습니다. 그러나 그것은 무엇이며, 차량의 모습을 어떻게 바꾸고 있습니까? 보자!

자동차 자동화 살펴보기 

자율주행차(AV)는 기술을 사용해 인간 운전자를 부분적으로 또는 완전히 대체하고 '자동 조종 장치' 모드로 미리 정해진 목적지까지 스스로 운전하는 일종의 차량입니다. 동시에 이러한 AV는 교통 상황에 반응하고 도로 위험을 피하며 더 많은 안전을 제공합니다.

이러한 차량에 사용되는 다양한 종류의 기술에는 센서, 레이저, 레이더, 적응형 순항 제어, 능동 조향, 잠김 방지 제동 시스템 및 GPS 내비게이션 기술이 포함됩니다.

SAE(Society of Automotive Engineers)에 따르면 인간 개입을 기반으로 하는 자율주행차에는 6단계가 있습니다. 미국 도로교통안전국(NHTSA)에서도 사용하는 이 분류는 다음과 같습니다.

레벨 0 : 차량은 작동을 제어할 수 없으며 인간 운전자가 모든 운전을 수행합니다.
레벨 1 : 차량의 첨단 운전자 지원 시스템(ADAS)에는 조향 및 제동으로 운전자를 지원하는 기능이 함께 제공됩니다.
레벨 2 : 인간 운전자는 필요한 작업을 수행하고 여행 내내 환경에 완전한 주의를 기울여야 하지만 차량의 ADAS는 일부 조건에서 가속 및 제동을 감독합니다.
레벨 3 : 차량의 ADAS는 일부 조건에서 운전 작업의 모든 부분을 수행할 수 있지만 필요한 경우 인간 운전자가 제어해야 합니다. 이 수준의 자율성은 현재 AV에 의해 달성됩니다.
레벨 4 : 차량의 첨단 운전자 지원 시스템은 특정 조건에서 사람의 주의나 도움 없이 모든 작업을 수행할 수 있습니다.
레벨 5 : 차량의 ADAS는 운전과 관련된 모든 작업을 모든 조건에서 인간 운전자의 운전 지원 없이도 수행할 수 있습니다. 이 단계에서는 완전 자동화가 달성됩니다. 

자율주행차는 편리함과 향상된 삶의 질을 제공합니다. 또한 신체장애인과 노인들도 자립할 수 있습니다. 또한 교통 혼잡을 줄이고, 운송 비용을 절감하고, 주차장을 확보하고, CO2 배출량을 크게 줄일 수 있는 잠재력도 있습니다. 

그러나 자율주행차를 둘러싼 온갖 야단법석에도 불구하고 자율주행차는 아직 기대했던 만큼의 성공을 거두지 못했습니다. 그렇다면 여기서 문제는 무엇입니까?

자율주행차가 직면한 과제

자율주행차 또는 무인 차량은 최근 몇 년간 수십억 달러의 투자를 불러일으켰지만 AV 출시가 많이 지연되고 고객 채택이 지연되었습니다. 이제 이러한 차량이 직면하고 있는 가장 두드러진 과제 중 일부를 살펴보겠습니다. 

복잡한 운전 환경 

AV가 도로 표지판, 교통 신호, 도로 위 물체의 움직임을 추적하는 데 사용하는 시스템은 완벽하지 않습니다. 특히 실제 시나리오를 이해하지 못합니다. 

예를 들어, 새 떼가 도로에 앉아 있는 경우 인간 운전자는 차량이 앞으로 나아갈 때 새가 날아갈 것이라는 것을 이해하지만 AV는 불필요하게 멈추거나 브레이크를 밟을 것입니다. AV는 또한 다른 운전자의 손 움직임이나 눈맞춤과 같은 복잡한 사회적 상호 작용을 감지하지 못하여 계속 진행하라는 신호를 보냅니다. 

말할 것도 없이, AV는 아직 도로에 교통 표지판이 없을 때 안전하게 행동할 수 없습니다. 이는 AV가 아직 다른 국가의 어떤 위치에서도 최대 정확도로 작동할 수 없음을 의미합니다. 

승객이 지도 시스템에 포함되지 않은 위치를 방문하려는 경우 AV가 방향 감각을 잃을 수 있으므로 매우 어려울 수도 있습니다. 이를 위해서는 차량을 안내하기 위한 복잡한 3차원(XNUMXD) 경로 지도가 필요하며, 이는 적용 범위와 정확성을 달성하려는 경우 시간이 많이 걸리는 프로세스입니다.

나쁜 날씨

AV의 큰 과제는 악천후입니다. 이러한 차량은 물체를 보고 식별하는 데 도움이 되는 카메라, 물체의 거리를 추적하는 레이저, 물체의 속도와 이동 방향을 측정하는 레이더 등 다양한 센서를 사용합니다. 

데이터가 캡처되면 시스템이 결정을 내리지만 눈, 안개 또는 폭우로 인해 센서가 올바르게 작동하기 어렵습니다. 따라서 악천후는 AV의 감지 기능 정확도에 부정적인 영향을 미쳐 사용자 안전을 위협할 수 있습니다. 그리고 폭우가 쏟아지고 물, 기름, 얼음, 잔해물 등이 차선 표시를 가리는 문제도 있습니다.

비용

AV의 또 다른 큰 문제는 비용입니다. Lidar나 레이더처럼 이러한 차량에 사용되는 센서는 가격이 비쌉니다. 게다가 Lidar는 여전히 범위와 해상도 사이의 적절한 균형을 맞추려고 노력하고 있습니다. 따라서 이는 다음과 같은 질문을 제시합니다. 여러 AV가 동일한 도로에서 운전하는 경우 라이더 신호가 서로를 방해합니까?  

Liability

AV에 대한 또 다른 큰 문제는 사고 책임에 관한 것입니다. AV로 인한 사고는 누구의 책임인가? 이는 긴급 상황에서 사람이 차량을 제어할 수 있는 핸들이 없는 완전 자율 수준 AV와 관련하여 훨씬 더 중요한 의미를 갖습니다. 그런 다음 이러한 차량에 대한 또 다른 어두운 영역인 보험이 있습니다.

법규

AV가 주류로 진입했음에도 불구하고 이를 둘러싼 법률과 규정은 여전히 ​​거의 없습니다. 최근 미국의 AV에 대한 규제 프로세스는 연방 지침에서 주별 명령으로 전환되었습니다. 

일부 주에서는 '좀비 자동차'의 등장을 막기 위해 마일당 세금을 부과하기까지 했습니다. 국회의원들은 또한 모든 AV에 패닉 버튼을 설치해야 한다고 제안하는 법안을 작성했습니다. 

사이버 보안 

고도로 연결된 운송 시스템과 5G 출시를 고려할 때 데이터 개인 정보 보호 및 사이버 보안은 이러한 차량의 또 다른 문제입니다. 예를 들어, 2015년에 피아트 크라이슬러(Fiat Chrysler)는 1.4만 대의 차량을 리콜했습니다. 해킹되어 원격으로 제어될 수 있는 버그를 수정합니다. AV는 소비자의 데이터 프라이버시를 침해하지 않을 뿐만 아니라 해커로부터 데이터를 보호해야 합니다. 

인프라 

AV를 도로에 보급하려면 인프라에 막대한 투자가 이루어져야 합니다. AV에는 명확한 차선 표시, 데이터 저장 장소, 보다 강력한 충전 네트워크가 필요한 경우가 많습니다. 이는 시 예산에 영향을 미칠 것입니다. 따라서 기존 인프라를 확장하기 위해서는 공공 투자는 물론 지역 사회 및 업계 지원에 대한 대화가 필요합니다.

자율주행차를 위한 길을 닦는 AI

이러한 모든 도전에 직면하여, 인공 지능 (AI) 자율주행자동차의 미래를 책임지고 준비하고 있습니다.

문제는 최근 몇 년 동안 새로운 기술의 출현으로 자동차 산업이 급속도로 발전하고 있다는 것입니다. AI는 자동차 산업의 변화를 돕는 기술 중 하나입니다. 본질적으로 AI는 기계를 더욱 지능적으로 만드는 것입니다. 여기에는 인간 지능을 기계에서 시뮬레이션하여 인간처럼 생각하고 행동하도록 만드는 것이 포함됩니다.

AI를 통해 차량은 물체를 인식하고, 다음에 일어날 일을 예측하고, 예상치 못한 상황에 반응하고, 복잡한 교통 상황에서 인간 운전자보다 더 잘 운전할 수 있습니다. Statista에 따르면세계 자동차 AI 시장 규모는 74.5억 달러에 달할 것으로 예상된다. 

NHTSA의 연구에 따르면, 시각 장애 및 청각 장애와 같은 인간의 실수는 교통 사고의 약 93%를 유발합니다. 인공지능(AI)을 센서와 알고리즘 형태로 AV에 활용하면 더욱 안전하고 안전한 이동 수단이 가능해지며, 사람의 실수로 인한 인명 피해를 크게 줄일 수 있습니다. 환경을 학습하고 적응하는 AI의 능력은 복잡한 도로와 상황을 처리하는 데 기술을 더욱 능숙하게 만듭니다.

AI는 AV에서 다양한 방식으로 사용되고 있습니다.

• 이 기술은 차량에 분석을 활용하고 문제를 예측하며 문제가 발생하지 않도록 방지하는 기능을 차량에 장착함으로써 AV가 다른 운전자와 보행자의 행동을 예측하는 데 도움이 될 수 있습니다.
• 입력을 출력에 올바르게 매핑하기 위해 레이블이 지정된 데이터 세트에서 모델을 훈련하는 기계 학습을 활용함으로써 AI는 AV의 객체 인식 및 모델링을 도울 수 있습니다. 한편, 레이블이 지정되지 않은 데이터 세트에 대해 훈련된 모델은 AV의 변칙 감지, 복잡한 상황 이해 및 특징 추출에 도움이 될 수 있습니다.
• AV는 카메라, Lidar, 레이더, 초음파 센서와 같은 센서를 사용하여 주변 환경에 대한 정보를 얻습니다. 여기에서 AI 알고리즘은 이 데이터를 분석하여 상세한 지도를 생성하여 AV가 정보에 입각한 결정을 내릴 수 있도록 합니다.
• AV는 자연어 처리(NLP)를 활용하여 음성 인식을 사용하여 승객과 상호 작용할 수 있습니다. 이런 방식으로 AI는 차량이 인간의 질문을 이해하고 효과적으로 대응할 수 있도록 도와줍니다. 
• AI는 실시간 센서 데이터를 기반으로 현장 결정을 가능하게 함으로써 AV가 속도를 늦추거나 멈추는 것이 최선의 대응인지 결정하는 데 도움을 줍니다. 이런 식으로 AI는 인간이 실수하기 쉬운 위험한 상황에서 AV를 돕습니다. 이 기술은 센서 전반에 걸쳐 데이터 피드를 분석하여 이를 수행합니다. 실제로 교차 교통 감지, 사각지대 능동적 모니터링, 교통 신호 동기화, 차량 비상 제어 등의 기능에서 훨씬 더 나은 성능을 발휘합니다.

전반적으로 AV의 AI는 실시간으로 데이터를 수집하고, 물체를 감지 및 식별하고, 궤적을 최적화하고, 도로 상황을 탐색하고, 고장을 예측하는 데 도움을 줄 수 있습니다. AI의 이러한 모든 사용 사례는 자율주행차가 교통량 감소, 에너지 절약 가속화, 접근성 향상, 효율성 향상 및 안전성 향상을 달성하는 데 도움이 됩니다. 

이미 이 기술은 전 세계 자동차 제조사에서 사용되고 있습니다. 예를 들어, Tesla의 Autopilot 3억 마일 이상 주행 이 모드에서는 거의 10년이 걸립니다. Elon Musk의 Tesla는 정확한 제어를 위해 정교한 AI 알고리즘을 활용합니다. 

Waymo는 복잡한 경로 계획과 환경에 대한 지능적인 반응을 위해 AI 기반 자율 주행 시스템을 사용하는 또 다른 회사입니다. 이 회사는 시뮬레이션을 통해 수백억 마일을 주행하여 차량을 테스트했습니다.

다임러의 디지털 어시스턴트, 아우디의 R10 e-트론 SUV, 메르세데스-벤츠의 EQR4 자율주행 시스템 등도 그 예다. AV의 AI에 대한 다른 주요 기여자로는 BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia 및 Ford가 있습니다.

2023년이 어떻게 AI의 획기적인 해였으며 앞으로 무엇을 기대할 수 있는지 알아보려면 여기를 클릭하세요. 

자율주행차 분야에서 가장 중요한 AI 혁신

2023년은 예술, 금융, 의료, 교육부터 기후 변화, 연구, 자금 조달, AV에 이르기까지 모든 분야에 영향을 미친 AI 발전에 있어 좋은 해였습니다. 이제 자율주행차 분야에서 2023년의 가장 중요한 AI 혁신을 살펴보겠습니다.

가장 최근에는 한국의 인천대학교(INU) 연구진이 새로운 엔드투엔드 3D 객체 감지 시스템 개발, 이는 딥 러닝 기반이며 사물 인터넷을 지원합니다. 이 시스템은 불리한 조건에서도 AV에 향상된 감지 기능을 제공합니다. 

카메라, 라이더, 레이더와 같은 센서가 장애물, 날씨, 무질서한 도로에 취약한 문제를 해결하기 위해 본 연구에서는 사물이 데이터를 교환하고 데이터를 교환할 수 있도록 IoT를 접목하여 YOLOv3(You Only Look Once) 알고리즘을 적용하여 3D 객체를 식별했습니다. 인터넷을 통해 통신합니다. 

제안된 시스템은 RGB 사진과 포인트 클라우드 데이터를 입력으로 처리하도록 설계되었습니다. 그런 다음 장애물을 식별하기 위해 등급이 지정되고 라벨이 지정된 경계 상자를 출력합니다. 이 시스템은 다양한 항목을 감지하는 데 능숙하며 규모와 회전의 변화를 관리할 수 있습니다.

연구에서는 Lyft 데이터 세트를 사용하여 시스템을 테스트한 결과 정확도가 더 높고 대기 시간이 더 짧은 것으로 나타났습니다. 팀에 따르면, 제안된 시스템의 다양성은 자율주행차를 넘어 감시, 로봇공학, 게임 분야에도 적용할 수 있는 가능성을 찾고 있습니다.

또 다른 프로젝트인 Helm.ai는 AI의 획기적인 발전을 이루다 운전자의 의도를 예측하고 최적의 경로를 계획하는 차량입니다. 로봇과 차량 자동화를 위한 AI 소프트웨어를 만드는 회사는 이를 통해 Helm.ai가 확장 가능한 L2/L3 및 L4 배포를 가능하게 할 것이라고 발표했습니다. 

회사의 DNN 기반 기반 모델은 복잡한 운전 환경에 실제 운전 데이터를 활용하는 독점 기술인 Deep Teaching을 사용하여 훈련됩니다. 

이제 해당 모델은 주변 차량과 보행자를 분석하여 다양한 도시 상황에서 예상되는 행동을 정확하게 예측하고 이를 기반으로 AV가 선택할 수 있는 가장 효율적이고 안전한 경로를 생성합니다. 회사의 플랫폼은 다양한 하드웨어 구성과 원활하게 작동하며 효율적인 교육 및 검증을 가능하게 합니다.

"우리의 소프트웨어 플랫폼은 도시 환경의 중요한 인식 문제를 해결하여 AI 기반 의도 예측 및 경로 계획의 확장 가능한 개발 및 검증을 위한 길을 열었습니다." 

– Vladislav Voroninski, Helm.ai CEO

올해 전기 자동차의 선구자인 Tesla는 완전 자율 주행(FSD) 소프트웨어에서도 발전을 이루었습니다. 최신 버전인 12(v12)를 통해 회사는 자동차의 레벨 4 또는 레벨 5 자율성을 달성하는 데 한 단계 더 가까워질 수 있습니다. 

In XNUMX 월머스크는 차량을 자율적으로 운전하고 평행 주차, 신호등 준수, 로터리 탐색과 같은 작업을 수행하는 FSD v12를 시연했습니다. 이 버전이 이전 버전과 다른 점은 FSD v12가 AI 기반 자가 훈련 신경망에 크게 의존한다는 것입니다. 

이것이 의미하는 바는 인간 프로그래머가 다양한 운전 시나리오에 대한 응답을 하드 코딩하도록 요구하는 대신 AI가 Tesla 차량에서 수집된 수많은 데이터를 분석한 다음 가장 적절한 응답을 선택한다는 것입니다.

이번 개발을 통해 Tesla는 로보택시 사업이라는 광범위한 목표를 달성하는 데 한 걸음 더 가까워졌습니다. 아크 인베스트에 따르면, 약세 시나리오에서도 연간 수익은 200억 달러(가장 낙관적인 예측에 따르면 600억 달러 이상)입니다.

올해 초 카메라 이미징 시스템 형태로 AV에 대한 또 다른 획기적인 발전이 이루어졌습니다. HADAR 또는 '열 보조 감지 및 범위 지정'입니다.미시간 주립대학교와 퍼듀대학교 연구진은 AI를 활용해 열 신호를 해석해 광학적 혼란을 해소하면서 상세하고 선명한 이미지를 제공하는 HADAR를 개발했습니다. 

AI 모델은 상업용 적외선 카메라에서 데이터를 수집하여 물체와 주변 환경의 물리적 특성을 인식하는 기계 학습 알고리즘을 활용하여 HADAR가 선명한 야간 장면을 재구성할 수 있도록 했습니다. 

시스템이 열복사 패턴, 물질 형성 및 온도를 성공적으로 감지할 수 있다는 점을 고려하면 비접촉식 공공 보안 검색은 물론 어둠에 대한 두려움도 극복하는 등 엄청난 잠재력을 가지고 있습니다. 그러나 HADAR는 장비 비용과 실시간 교정의 필요성 측면에서 어려움을 겪고 있습니다.

Ford Motor Company는 또한 전액 출자 자회사를 설립했습니다. 래티튜드 AI라고 불리는 핸즈프리, 도로에서 눈을 떼는 자동 운전 시스템을 개발합니다. 자동차 대기업은 이미 Ford BlueCruise를 타고 50천만 마일이 넘는 핸즈프리 주행을 달성했습니다. 

이제 Latitude를 사용하면 긴 고속도로나 범퍼투범퍼 교통 등 지루하고 스트레스가 많으며 불쾌한 시간의 운전을 자동화하는 것이 아이디어입니다. 포드의 최고 기술 책임자인 더그 필드(Doug Field)는 자동 운전에 대해 다음과 같이 말했습니다.

“우리는 자율주행 기술을 사람과 차량 간의 관계를 재정의할 수 있는 기회로 봅니다.” 

생각을 결론

따라서 우리가 살펴본 것처럼 필요한 인간의 도움 수준에 따라 자율주행차는 다양한 범주에 속합니다. 운전자 지원, 부분 자율주행, 고도 자율주행, 완전 자율주행, 완전 자율주행을 위한 자동화입니다. AI의 출현으로 AV가 마침내 최종 단계에 도달할 가능성이 그 어느 때보다 가까워졌습니다.

자동차 산업에서 AI 시장의 미래는 분명히 밝습니다. 6년에는 2022억 달러 이상을 기록했으며 55년까지 연평균 성장률(CAGR) 2032%로 성장할 것으로 예상됩니다. 

센서 기술, 컴퓨팅 성능, 예측 유지 관리 솔루션과 같은 AI 알고리즘의 발전은 자율주행차가 과제를 해결하고 주류 채택을 얻는 데 더욱 도움이 될 것입니다!

인공 지능 투자에 대한 모든 내용을 알아보려면 여기를 클릭하세요.