자율주행 - 인공지능의 흐름과 역할 | Notion
1. Development Progress of Autonomous Driving
portpolio.notion.site
자율주행 - 인공지능의 흐름과 역할
- Development Progress of Autonomous Driving
- Technology of Autonomous Driving
- Role of AI in Autonomous Driving
- Progress of Autonomous Driving System
- Vision of researching AI in Autonomous Driving
1. 자율주행 기술이 현재 어떻게 발전해 왔는지
- Past: 일반적인 영상처리 알고리즘/ 알고리즘 먼저 만들고 데이터 넣어 가공
- Present: Using Deep Learning -> 정확도 높이기 위해 딥러닝 통해 데이터 넣어 알고리즘 만듦
- 매번 상황에 맞춰 알고리즘 수정하지 않아도 되고, 데이터 추가로 넣어 학습할 수 있다.
기계학습 도입해서 많은 데이터를 정교한 패턴 인식과 분류 작업 가능
- 비지도 학습방법 (사람이 데이터에 의미 부여하지 않아도 스스로 cluster 찾는다)
- CNN (데이터 특징으로 추출, 분류)
- RNN (인공신경망 구조 쌓아올리기, 오래전 데이터 기억 가능)
2. 자율주행에 어떤 인공지능 기술이 주로 사용되고 있는지
Machine Learning
Computer Vision
자연어 처리 모듈
이미지 처리
음성 인식 모듈
3. 자율주행에서 인공지능의 역할
사람의 뇌, 몸 = 인공지능과 빅데이터
- 자율주행 기술 = 인공지능
- 인공지능 학습 방법 = 빅데이터, machine learning
- 시각 인지 (환경 인지)
- 학습 지능 작용 (Deep learning):
주행방법, 의사결정(주행경로, 운전 전략), 자동 제어
- 강화학습: 스스로 패턴 터득 (다양한 상황 별 대응)
자율주행 자동차용 인공지능 시스템에 필요한 ‘테크닉'
- 라이다, 레이더, 카메라 등 활용 → 주변 상황을 정확히 파악하는 기술
- **차량 주변 센서 → 파악하기 어려운 ‘**차량과 차량’, ‘차량과 도로’에 설치된 센서와 통신 → 정보 교환, 위험 여부를 종합적으로 판단하는 기술
- 운전자와 자동차와의 교감 → 자율주행 신뢰성 확보, 위험 상황에 운전자가 적절히 대응할 수 있는 기술
- 제어 오류 발생에 대응하는 기술
4. 자율주행 시스템의 인공지능 작동 과정, 흐름
1) Object Detection 사물 인식 (데이터 수집)
센서와 카메라 → ‘이미지 데이터’ 수집 (상황별 data set)
2) AI 모델에 이미지 전송, 데이터 측정
- LiDAR sensor, RADAR, Camera (적외선, Mono/Stereo), Ultrasonic sensor
3) 데이터 처리 및 분석
- 픽셀 단위 분류
- 이미지 처리 (장애물/물체와의 거리, 부피 측정)
4) 학습
- 이미지 특징 추출, 분석 → 어떤 이미지인지 감지
- 음석 인식 기능(voice recognition), 자연어 처리(nlp)
- Machine Learning: 분석 패턴학습 (주변에 물체 있는지 없는지/ 어떤 물체인지/ 물체와의 거리)
5) 의사결정 및 제어
- 정보 종합 → 판단 → 작동 방식(driving strategy, direction, engine method) 결정 / 제어
6) Feedback & Continuous Learning
- 시험 주행에서 데이터 수집→ AI 성능 향상 (피드백 루프와 지속적인 학습)
5. 자율주행 분야의 인공지능 개발에 대한 미래 전망
1) 시간단위 ‘환경인지’
시간 단위로 '환경인지'를 하는 것은 고도화 AI 기술 필요 → 성능의 차이의 핵심
2) 더 많은 카메라가 차 안의 많은 센서들을 통합할 것
3) 완전 자율 주행 (FSD) = 안정성
'완전 자율 주행'에는 '안정성'이 고려됨
→ 다양한 상황을 AI에 학습시켜 실시간으로 대응하기에는, 경우의 수가 너무 방대
D2RL 기술 (딥러닝 기술 고도화)
Deep Learning Technology Advancement
: 안전사고와 관련성이 높은 정보를 중심으로 데이터를 선별해 AI를 학습
- 특징: 방대한 학습 자료 중에서 필요한 데이터만을 선별하는 능력
- 기존 딥러닝 기술 = data 양
- D2RL 기술= data 질
D2RL 기술의 ‘AI의 학습 과정’
- 데이터 수집 : 가상의 도로를 주행하면서 주변 건물, 사물, 차량, 보행자 등 데이터
- 데이터 필터 : 안전에 직결되는 상황과 그렇지 않은 상황을 구분
- 우선순위 매김: 필요한 데이터를 우선적으로 학습 (실제 발생할 가능성이 높은 안전사고 상황)
- 대처 방안 고안