인공지능 기술과 자율주행차

인공지능 분야는 딥러닝을 시작으로 매우 빠르게 진화하고 있다. 혁신적인 연구들이 진행되고 있는 가운데 특정 산업 영역에 종속되지 않고 다양한 산업에 범용 기술로서 연구가 되고 있다. 실제 인공지능 분야의 다양한 최신 연구들이 자율주행차 기술로도 빠르게 구현이 되고 있다. 따라서 어떤 인공지능 기술이 자율주행의 어떤 분야에 어떻게 적용되어 연구되고 있는 지 알아보고자 한다.

 

자율주행 기술의 가장 핵심은 시각 인식 지능의 적용을 통한 사물 인식 기술이다. 전방 충돌 방지, 차선 이탈 방지, 차간 거리 조절 등 지능형 주행 및 자율주행과 관련한 모든 기능 구현을 위해선 주변 상황을 우선 인식해야 하기 때문이다. 자율주행 기술 분야의 인식 기술은 다양한 사물에 대한 높은 정확도의 인식률과 이에 따른 실시간 처리가 필수적이다. 모빌아이(Mobileye)와 같은 소수의 기업은 카메라를 통해 수집된 정보만으로 전방의 차량 및 차선의 감지, 교통 표지판 인식과 같은 기술을 구현하고 있으며, 대부분의 기업은 카메라를 통해 수집된 정보와 레이더, 라이더, 초음파, 적외선 센서 등 매우 다양한 센서를 복합적으로 활용하고 있다.

 

딥러닝을 활용한 시간 인식 지능은 이미 인간의 수준을 넘어서고 있으며 빠르게 자율주행 기술에 구현되고 있다. 실제 기업들에서는 어두운 밤이나 눈과 비가 내리는 기상 환경에서도 높은 정확도로 사물을 인식할 수 있는 기술을 개발하고 있다. 예로 Nvidia 등 기업들의 시각 인식 관련 기술 시연에서는 인간의 시각으로는 인식하기 어려운 물체들까지 인공지능이 더 높은 성능으로 인식하고 있다. 게다가 단순한 사물 인식 수준을 넘어 인식된 사물들의 의미를 이해하는 수준으로 발전하고 있다. 보행자의 움직임, 차량의 진행 방향, 도로 상태 등 사물들의 문맥적 의미(Context Awareness)를 이해하게 되는 것이다.

 

 

AutoX라는 신생 벤처 기업은 다른 센서에는 전혀 의존하지 않고 오직 카메라를 통해 입력된 영상 정보만으로 자율주행 기능을 구현한다. 6개의 카메라를 통해 입력되는 자동차 주변 환경 정보를 딥러닝으로 학습한 시각 지능이 마치 사람처럼 주변을 인지하고 자동차를 제어한다. AutoX의 창업자이자 프린스턴대 교수인 Xiao는 자율주행 분야의 전문가가 아닌 컴퓨터 비전 분야의 전문가로서 해당 기술을 구현해 내고 있다.

 

자율주행 차량 기능들은 최근까지 모든 상황들이 규칙적으로 정의되고 모델링 된 후 소프트웨어로 구현되는 규칙기반 방식으로 구현되어 왔다. 그러나 이러한 규칙기반 방식에는 여러가지 한계가 있다. 바로 비효율성과 비확장성이다. 반면 딥러닝을 통해 구현되는 방식은 사람이 운전을 배워가는 과정과 유사하다. 딥러닝 기반의 인공지능이 장착된 차량을 사람이 운전하면 인공지능이 운전자의 주행 과정을 관찰하며 운전하는 방법을 스스로 학습해 간다. 또한 다른 차량의 주행 데이터를 인공지능이 학습할 수도 있다. 따라서 이와 같은 방식에서는 인공지능이 많은 주행 데이터를 학습할수록 자율주행 기능의 완성도가 높아지게 된다.

 

자율주행 분야에 적용될 경우 큰 기술 혁신을 만들어 낼 것으로 기대되는 기술은 스스로 규칙을 터득하는 강화학습이다. 이는 인간의 개입없이도 반복학습을 통해 인공지능이 스스로 목적을 달성하는 과정을 터득해 내는 방법이다. 차량이 차선 변경 후 진입 시 진입 차량과 주변 차량의 상대 속도, 거리, 진입 속도 등 다양한 변수들을 매우 미세하게 조절해 가며 발생 가능한 다양한 상황들을 구성한다. 인공지능은 이런 과정에서 서시히 충돌을 회피하고 위험 상황을 사전에 방지하는 방법을 서서히 터득하게 된다.

 

최근에 딥마인드가 발표한 인공지능 분야 논문에 따르면 인간처럼 생각하며 주행하는 자율주행 지능의 구현이 가능할 것 같다. 이는 인공지능이 인간의 추론방식과 유사하게 추론하는 것을 구현하는 것으로 향후 적용된다면 큰 효과를 거둘 수 있을 것으로 전망된다.