CMU 연구는 Last Mile 배송 과제 해결에 도움이 됩니다.
혼잡한 좁은 길을 운전한 적이 있는 사람이라면 누구나 친숙한 시나리오입니다. 주차한 차들이 양쪽에 늘어서 있고, 양방향으로 이동하는 차들이 서로 지나갈 수 있는 공간이 충분치 않아요. 한 사람은 주차된 차 틈새로 도망치거나 속도를 줄여야 하고, 다른 사람은 최대한 차를 세워야 스쳐 지나갈 수 있어요.
운전사들은 이를 협상할 방법을 찾고 있지만 근접한 요구와 좌절감이 없지 않습니다. Carnegie Mellon University Argo AI Center for Autonomous Vehicle Research의 연구자에게는 운전석에 사람이 없는, 또는 다른 운전자가 무엇을 할 수 있는지에 대한 지식이 없어도 같은 작업을 할 수 있도록 자동운전차(AV)를 프로그래밍하는 것은 독특한 과제입니다.
School of Computer Science’s Robotics Institute의 전 방문 연구원이었으며, 현재 Autonomous Aerial Systems Lab at the Technical University of Munich의 일원인 Christop이 언급되어 있습니다. “도로 불률”과 “도로이다.”는 “도로이다. 어려운 부분이다. 상대방 차량이 멈출지 모르는 상태에서 이 시나리오의 협상법을 배워야 한다.
CMU에 있는 동안 Killing은 이 문제를 해결하기 위해 연구과학자 John Dolan, 박사과정 학생 Adam Villaflor와 팀을 이루었습니다. 연구팀은 충돌 주행 시나리오에서 쌍방향 차선 사용에 있어 강력하게 협상하는 학습(Learning To Robustly Negotiate Bi-Directional Lane Usage in High-Conflict Driving Scenarios)에서 연구 결과를 International
연구팀은 자신들의 연구가 이 특정 운전 시나리오의 첫 번째 연구라고 믿고 있습니다. 운전자는 사람이든 아니든 상대방의 속마음을 모르고 안전하게 지나가기 위해 협력해야 합니다. 운전자는 공격성과 협력의 균형을 맞춰야 합니다. 지나치게 공격적인 운전자는 다른 차를 고려하지 않으면 자신과 다른 차를 위험에 빠뜨릴 수 있습니다. 너무 협조적인 운전자는 마주 오는 차 앞에서는 항상 차를 세우지만, 결코 길을 따라 내릴 수 없는 경우도 있어요.
Dolan은 피츠버그에서 운전할 때 흥미롭고 때로는 어려운 면이 있다는 것을 알게 되었다고 말했습니다.
자율주행차는 배달과 운송의 라스트밀 과제에 대한 잠재적인 해결책으로 예상되었습니다. 그러나 AV가 피자, 패키지 또는 사람을 목적지까지 배달하기 위해서는 좁은 공간과 알려지지 않은 운전자의 의도를 탐색할 수 있어야 합니다.
이 팀은 운전자가 다른 운전자가 지나갈 수 있도록 차를 세울 수 있는 가능성 등 다양한 수준의 운전자 협업을 모델링하는 방법을 개발했고, 이 모델을 사용하여 이러한 상황을 안전하고 효율적으로 운행할 수 있는 자율주행차를 지원할 수 있는 알고리즘을 훈련했습니다. 이 알고리즘은 실차에서는 사용되지 않고 시뮬레이션에서만 사용되었지만 결과는 긍정적입니다. 연구팀은 그들의 알고리즘이 현재의 모델보다 더 좋은 성능을 보인다는 것을 발견했습니다.
운전은 이런 복잡한 시나리오로 가득합니다. 자율주행 연구팀은 이를 해결하기 위해 개발된 알고리즘과 모델을 고속도로에서 병합하여 차로를 바꾸거나 교차로에서 좌회전하는 등의 다른 시나리오에 적용할 수 있는 방법을 찾고 있습니다.
Dolan은 “광범위한 테스트를 통해 만날 수 있는 상황(touch cases)의 가까운 지점(last percent)을 발견했다”고 말했습니다. “우리는 이러한 예외 상황을 계속 찾고, 이를 해결할 방법을 계속 모색하고 있습니다.”
가끔 인터럽트 기술적인 내용을 소개할 때가 있는데 관련 분야가 아닌 보통 분들에게는 그다지 관심을 받을 내용은 아닌 것 같습니다. 그럼에도 불구하고 소개해 드리는 이유는 기본적으로 자율주행 기술을 위해 필요한 기술에 대해 간단히 안내해 드리고 싶었기 때문입니다. 기술적이라고 해도 실질적으로는 깊이가 있는 부분은 아닙니다. 진짜 소개입니다. 수학 공식은 설명 안 해 줄게요 ^^
오늘공지는자율주행차가운행중에접할수있는독특한상황해결방법에대한내용이었습니다.하지만우리가일상생활에서자주접하는상황이기도합니다. 그렇죠, 좁은 도로에서 차량들 사이에 생기는 불편함을 AI 기술로 해결하는 방법을 제시하고 있다 라는 거죠. 곰곰이 생각해 보면 중요한 상황이기도 합니다. 보통 사람이 생각하는 수준에서 자율주행차가 움직이지 않고 고집을 부리는 상황이 발생할 수도 있으니까요. ^^
아직도 자율주행 기술이 우리 생활 속에 들어오지 못하는 이유는 다양합니다. 그 중에서도 기술적으로는 아직 자율주행차가 도로 위에서 발생할 수 있는 수많은 예외 상황에 어떻게 잘 대처할 수 있을까 하는 의문이 들기 때문입니다. 영어로는 다양한 표현(Corner Cases, Long Tail, Black Swan 등)이 있는데, 저는 예외 상황이라고 정리를 해서 설명을 하고 있습니다.
이러한 이유로 현재 대부분의 자율주행차 개발사에서 시나리오 기반의 시뮬레이션을 만들어 실제 도로 운행 전에 AI 학습을 실시하고 있습니다. 또한 WEF와 같은 국제 조직에서도 보편적이고 공유 가능한 시나리오 개발을 위한 협력 관계를 강조하고 있습니다. 그만큼 자율주행 기술을 현실 세계에 어떻게 적용할지 고민입니다. 이런 움직임은 뻔해요. 과거 하드웨어 중심의 자동화 시스템에서 AI 중심의 자동화 환경 구축이 필요하다는 데 공감하고 있다는 것입니다.
결국 자율주행차는 얼마나 많은 학습을 하고 그것을 실제 도로에서 적용할 수 있는지에 대한 고민과 경험하지 못한 상황에 대해 대처할 수 있는 능력을 가질 수 있는지에 대한 고민의 방향으로 발전하고 있습니다. 단순히 센서 정보를 이해하는 인지(Perception) 능력을 넘어 자동차 주변 상황을 예측(Prediction)하고 대응(Planning, Control)해야 합니다. 그리고 최근에는 점점 예측에 대한 분야가 관심을 모으고 있습니다.
▶ 알고리즘의 간단한 설명영상입니다.
▶ 해당 논문입니다.https://arxiv.org/pdf/2103.12070.pdf
PS: 검색에서 원하는 내용을 찾을 수 없다면 태그 또는 검색을 하면 더 많은 자료를 찾을 수 있습니다. 자율주행자동차 기반 미래 모빌리티 관련 자세한 문의나 강의는 [email protected]으로 연락주시기 바랍니다.
Over the Vehicle !!!
참고 자료 It is a scenario familiar to anyone who has driven down a crowded , narrow street . Parked cars line both sides , and there isn ‘ t enough space for vehicles traveling in both directions to pass each other . One has to duck into a gap in the parked cars or slow and pull over as far as possible for the oth … www.cs.cmu.edu