CMU 연구는 LastMile 배송 과제 해결에 도움이 됩니다.
붐비는 좁은 길을 운전해 본 사람이라면 누구나 익숙한 시나리오입니다. 주차된 차량이 양쪽으로 나란히 서 있어 양방향으로 이동하는 차량이 서로 지나갈 공간이 충분하지 않습니다. 한 사람은 주차된 차량 틈새로 몸을 피하거나 속도를 줄여야 하고, 다른 사람은 최대한 차를 세워야 들어갈 수 있습니다.
운전자들은 이를 협상할 방법을 찾고 있지만 근접 요구와 좌절감이 없지 않습니다. Carnegie Mellon University Argo AICenter for Automous Vehicle Research 연구자에게는 운전석에 사람이 없거나 다른 운전자가 무엇을 할 수 있는지에 대한 지식이 없어도 같은 작업을 할 수 있도록 자율주행차(AV)를 프로그래밍하는 것은 독특한 도전 과제였습니다.
School of Computer Science’s Robotics Institute의 전 방문 연구원이며 현재 Automous Aerial Systems Labatthe Technical University of Munich의 일원인 Christoph Killing은 “이것이 우리가 다루고 있는 도로의 불문율(theunwrittenrules)이다”고 말했습니다. 어려운 부분이다. 상대 차량이 멈출지 모르는 상태에서 이 시나리오 협상 방법을 익혀야 한다.
CMU에 있는 동안 Killing은 이 문제를 해결하기 위해 연구과학자 John Dolan, 박사과정 학생 Adam Villaflor와 팀을 이뤘습니다. 연구팀은 ‘높은 충돌 주행 시나리오로 양방향 차선 사용으로 강력하게 협상하는 학습(Learning To Robustly Negotiate Bi-Directional Lane Usage in High-Conflict Driving Scenarios)’이라는 연구 결과를 International Conference on Robotics and Automation에서 발표했습니다.
연구팀은 자신들의 연구가 이 특정 운전 시나리오의 첫 번째 연구라고 믿고 있습니다. 운전자는 사람이든 그렇지 않아도 상대방의 속마음을 모르고 안전하게 지나가기 위해 협조해야 합니다. 드라이버는 공격성과 협력의 균형을 잡아야 합니다. 지나치게 공격적인 운전자는 다른 차량을 고려하지 않을 경우 자신과 다른 차량을 위험에 빠뜨릴 수 있습니다. 너무 협조적인 운전자는 맞은편 차량 앞에서는 항상 차를 세우지만 결코 길을 따라 내리지 못할 수도 있습니다.
Dolan은 피츠버그에서 운전할 때 흥미롭고 때로는 어려운 면이 있다는 것을 알았다고 말했습니다.
자율주행차는 배달과 운송의 last Mile 과제에 대한 잠재적인 해결책으로 예상돼 왔습니다. 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 가능성 등 다양한 수준의 운전자 협업을 모델링하는 방법을 개발하고 이 모델을 사용해 이러한 상황을 안전하고 효율적으로 운행할 수 있는 자율주행차를 지원할 수 있는 알고리즘을 훈련시켰습니다. 이 알고리즘은 실제 차량에서 사용되지 않고 시뮬레이션에만 사용되었지만 결과는 긍정적입니다. 연구팀은 이들의 알고리즘이 현재 모델보다 나은 성능을 보인다는 것을 발견했습니다.
운전은 이런 복잡한 시나리오로 가득 차 있습니다. 자율주행 연구진은 이를 해결하기 위해 개발된 알고리즘과 모델을 고속도로에 병합하거나 차선을 바꾸거나 교차로에서 좌회전하는 등의 다른 시나리오에 적용할 수 있는 방법을 찾고 있습니다.
Dolan은 “광범위한 테스트에서 만날 수 있는 상황(touchcases)의 가까운 지점(lastpercent)을 발견했다.”라고 말했어요. 우리는 이런 예외 상황을 계속 찾고 이를 해결할 방법을 모색하고 있다.”
인터럽트가 종종 기술적인 내용을 소개할 때가 있습니다. 관련 분야가 아니라 보통 분들에게는 그렇게 관심을 끌 만한 내용은 아닌 것 같습니다. 그럼에도 소개하는 이유는 기본적으로 자율주행 기술을 위해 필요한 기술에 대한 간단한 안내 정도를 하려고 하기 때문입니다. 기술적이라 해도 실질적으로는 깊이가 들어가는 부분이 아닙니다. 진짜 소개 정도입니다. 수학 공식을 설명하는 건 아니니까요. ^^
오늘 뉴스는 자율주행차가 운행 중 접할 수 있는 독특한 상황 해결 방법에 대한 내용이었습니다. 하지만 우리가 일상생활에서 자주 접할 수 있는 상황이기도 합니다. 음, 흔히 말하는 좁은 도로에서 차들 사이에서 벌어지는 귀여운(?) 신경전을 AI 기술로 해결하는 방법을 제시하고 있습니다. 곰곰이생각해보면중요한상황이기도하죠. 보통 사람이 생각하는 수준으로 자율주행차가 움직이지 않고 고집을 부리는 상황이 발생할 수도 있으니까요. ^^
아직 자율주행 기술이 우리 생활 속에 들어오지 못하는 이유는 다양합니다. 그중 기술적으로는 아직 자율주행차가 도로 위에서 발생할 수 있는 셀 수 없는 다양한 예외 상황에 얼마나 잘 대처할 수 있을지에 대해 의문이 있기 때문입니다. 영어에서는 다양한 표현(Corner Cases, Long Tail, Black Swan 등)이 있는데 저는 그냥 예외 상황이라고 정리해서 설명을 하고 있습니다.
이러한 이유로 현재 대부분의 자율주행차 개발기업에서 시나리오 기반 시뮬레이션을 만들어 실제 도로 운행을 하기 전 AI 학습을 진행하고 있습니다. 또한 WEF와 같은 국제조직에서도 보편적이고 공유 가능한 시나리오 개발을 위한 협력관계를 강조하고 있습니다. 그만큼 어떻게 하면 자율주행 기술을 현실 세계에 적응시킬 수 있을지에 대해 고민하고 있습니다. 이러한 움직임은 분명합니다. 과거 하드웨어 중심의 자동화 시스템으로 AI 중심의 자동화 환경 구축이 필요하다는 데 공감하고 있다는 겁니다.
결국 자율주행차는 얼마나 많은 학습을 하고 그것을 실제 도로에서 적용할 수 있을지에 대한 고민과 경험하지 못한 상황에 대처할 수 있는 능력을 가질 수 있을지에 대해 고민하는 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 끌고 있습니다.
▶ 알고리즘에 대한 간단한 설명 영상입니다.
▶이 논문입니다.https://arxiv.org/pdf/2103.12070.pdf
PS: 검색에 들어가 만약 원하는 내용을 찾을 수 없다면 ‘태그’ 또는 ‘검색’을 해 보시면 더 많은 자료를 찾을 수 있습니다. 자율주행차 기반의 미래 모빌리티에 대한 보다 자세한 문의 및 강의는 [email protected]로 연락주시기 바랍니다.
Over the Vehicle!!
참고자료 Itisascenari of amili artoanyone whohas drivendownacrowded, narrowstreet. Parkedcarsline bothsides, and thereisn’tenoughspace forvehiclestraveling inboth direction stopasseachother. Onehastoduckinto gapintheparked carsides, and tenoughspace for veling inbothicle stopas seachoth direction stopasseachother