인공지능
AI가 운전대를 잡다: 인공지능이 자율 주행 자동차의 진화를 주도하는 방법
약 200년 전, 고급 자동차는 일반인에게 상상할 수 없는 것이었지만, 우리는 그 이후로 오래전부터 전기 및 하이브리드 자동차가 일상 생활의 일부가 되었습니다.
오늘날, 자율 주행 자동차(AVs)는 자동차 산업에서 혁신을 주도하고 있으며, 많은 관심과 기대를 모으고 있습니다. 하지만 무엇인지, 그리고 어떻게 자동차의 얼굴을 바꾸고 있는지 살펴보겠습니다!
자동차 자동화의 한 눈에 보기
자율 주행 자동차(AVs)는 기술을 사용하여 인간 운전手を 부분적으로 또는 완전히 대체하여 자동 조종 모드에서事先 결정된 목적지로 خود으로 운전하는 자동차입니다.同時에, 이러한 AVs는 교통 상황에 대응하고, 도로 위험을 피하고, 더 많은 안전을 제공합니다.
이러한 자동차에서 사용되는 다양한 기술에는 센서, 레이저, 레이더, 적응형 크루즈 제어, 액티브 스티어링, 안티록 브레이킹 시스템 및 GPS 내비게이션 기술이 있습니다.
자동차 기술자 협회(SAE)에 따르면, 인간의 개입에 따라 6단계의 자율 주행 자동차가 있습니다. 이 분류는 미국 국립 고속도로 교통 안전 관리局(NHTSA)에서도 사용됩니다.
레벨 0: 자동차는 작동에 대한 제어를 가지고 있지 않으며, 인간 운전수가 모든 운전을 수행합니다.
레벨 1: 자동차의 고급 운전 보조 시스템(ADAS)은 운전手を 지원하기 위한 조향과 브레이킹 능력이 있습니다.
레벨 2: 자동차의 ADAS는 일부 상황에서 가속과 브레이킹을 giám sát하지만, 인간 운전수는 필요한 작업을 수행하고, 전체 여행 동안 환경에 대한 완전한 주의를 기울여야 합니다.
레벨 3: 자동차의 ADAS는 일부 상황에서 운전 작업의 모든 부분을 수행할 수 있지만, 필요할 때 인간 운전수가 제어를 가져야 합니다. 이 수준의 자율성은 현재 AVs에서 달성됩니다.
레벨 4: 자동차의 고급 운전 보조 시스템은 특정 상황에서 인간의 주의나 보조 없이 모든 작업을 수행할 수 있습니다.
레벨 5: 자동차의 ADAS는 운전과 관련된 모든 작업을 모든 상황에서 수행할 수 있으며, 인간 운전수의 운전 보조가 필요하지 않습니다. 이 단계에서 완전한 자동화가 달성됩니다.
자율 주행 자동차는 편리성과 삶의 질을 향상시키는ประโยชน을 제공합니다. 또한, 신체 장애인과 노인들은 독립을 얻을 수 있습니다. 또한, 교통 혼잡을 줄이고, 운송 비용을 절감하고, 주차장을 해방시키고, 이산화탄소 배출을 크게 줄일 수 있습니다.
그러나, 자율 주행 자동차에 대한 모든 관심에도 불구하고, 기대했던 성공을 아직 달성하지 못했습니다. 그래서 여기서 문제는 무엇일까요?
자율 주행 자동차에 직면한 도전
자율 또는 무인 자동차는 최근 몇 년 동안 수십억 달러의 투자를 유치했지만, AV 출시와 고객 채택이 지연되었습니다. 그래서, 이러한 자동차가 직면한 가장 두드러진 도전을 살펴보겠습니다.
복잡한 운전 환경
AVs에서 사용되는 시스템은 도로 표지, 교통 신호, 도로上的 물체의 이동을 추적하는 데 사용되지만, 실세계 시나리오를 이해하는 데 실패합니다.
예를 들어, 도로上的 새 무리 가 앉아 있다면, 인간 운전수는 새들이 자동차가 앞으로 이동할 때 날아갈 것을 이해하지만, AVs는 불필요하게 정지하거나 브레이크를 밟습니다. AVs는 또한 다른 운전수의 손동작이나 눈kontakt를 감지하여 앞으로 갈 수 있는 신호를 감지하지 못합니다.
또한, AVs는 아직 도로上的 교통 표지가 없는 경우에 안전하게 행동할 수 없습니다. 즉, AVs는 다른 국가의 모든 위치에서 최대 정확도로 작동할 수 없습니다.
승객이 지도 시스템에 포함되지 않은 위치를 방문하려면, AVs가 혼乱할 수 있습니다. 이는 3차원(3D) 루트 맵을 생성하여 자동차를 안내해야 하므로, 정확성을 달성하려면 시간이 걸립니다.
나쁨 날씨
AVs의 큰 도전은 나쁨 날씨입니다. 이러한 자동차는 카메라, 레이저, 레이더를 사용하여 물체를 식별하고, 거리와 속도를 측정합니다.
데이터를 수집한 후, 시스템은 결정을 내리지만, 눈, 안개 또는 강한 비는 센서가 올바르게 작동하는 것을 어렵게 만듭니다. 따라서, 나쁨 날씨는 AVs의 감지 능력의 정확성을 부정적으로 영향을 미쳐, 사용자 안전을 위협할 수 있습니다. 또한, 강한 강수와 물, 기름, 얼음 또는 파편이 차선 표시를 가리는 문제가 있습니다.
비용
AVs의 또 다른 큰 문제는 비용입니다. 이러한 자동차에서 사용되는 센서인 Lidar와 레이더는 비쌉니다. 또한, Lidar는 아직 범위와 해상도 간의 적절한 균형을 찾으려 하고 있습니다. 따라서, 여러 AVs가 같은 도로를 운전할 때, Lidar 신호가 서로 방해하는지 여부를 물어볼 수 있습니다.
책임
AVs의 또 다른 큰 문제는 사고 책임입니다. AVs가 발생시키는 사고에 대한 책임은 누구에게 있는지 여부입니다. 이는 특히, 완전 자율적인 수준의 AVs에서 중요합니다. 이러한 자동차에는 비상 상황에서 자동차를 제어할 수 있는 운전수의 스티어링 휠이 없습니다. 또한, 보험은 이러한 자동차에 대한 또 다른 모호한 영역입니다.
법률 및 규정
AVs가 주류로 진입했음에도 불구하고, 이러한 자동차를 둘러싼 법률 및 규정은 아직 거의 없습니다. 최근에, 미국의 AVs에 대한 규제 과정은 연방 지침에서 주별 명령으로 전환되었습니다.
일부 주에서는 “좀비 자동차”의 증가를 방지하기 위해 이러한 자동차에 대한 마일당 세금을 제안했습니다. 의원들은 또한 모든 AVs에 패닉 버튼을 설치해야 한다고 제안하는 법안을 작성했습니다.
サイバーセキュリティ
고도로 연결된 교통 시스템과 5G의 도입으로 인해, 데이터 개인 정보 보호와 사이버 보안은 이러한 자동차의 또 다른 문제입니다. 예를 들어, 2015년에 Fiat Chrysler은140만 대의 자동차를 리콜하여 버그를 수정했습니다. 이러한 버그로 인해 자동차가 해킹될 수 있고, 원격으로 제어될 수 있었습니다. AVs는 소비자의 데이터 개인 정보를 침해하지 않으며, 또한 해커로부터 데이터를 보호해야 합니다.
인프라
AVs를 도로에 내놓기 위해서는 인프라에 대한大量 투자가 필요합니다. AVs는 일반적으로 명확한 차선 표시, 데이터를 저장할 수 있는 공간 및 더 강력한 충전 네트워크가 필요합니다. 이는 도시의 예산에 영향을 미칠 것입니다. 따라서, 공공 투자와 산업 및 지역 사회와의 대화가 필요합니다.
AI가 자율 주행 자동차를 위한 길을 열다
이러한 모든 도전에도 불구하고, 인공지능(AI)이 자율 주행 자동차를 위한 길을 열고 있습니다.
자동차 산업은 최근 몇 년 동안 새로운 기술의 등장으로 빠르게 발전했습니다. AI는 이러한 기술 중 하나로, 자동차 산업을 변革시키는 데 도움을 주고 있습니다. 본질적으로, AI는 기계를 더 지능적으로 만드는 것입니다. 기계가 인간과 같이 생각하고 행동하도록 하는 것을 포함합니다.
AI는 자동차가 물체를 인식하고, 무엇이 다음에 일어날지 예측하며, 예기치 않은 상황에 반응하고, 복잡한 교통 상황에서 인간 운전수보다 더 나은 운전을 할 수 있도록 합니다.Statista에 따르면, 글로벌 자동차 AI 시장은 2030년에 745억 달러의 시장 규모에 이를 것으로 예상됩니다.
NHTSA의 연구에 따르면, 인간의 오류 such as 시력과 청각의 장애로 인해 약 93%의 도로 사고가 발생합니다. AVs에서 AI를 사용하여 센서와 알고리즘을 사용하면, 더 안전하고 보안이 강화된 운송 수단을 제공할 수 있으며, 인간의 오류로 인한 사고를 크게 줄일 수 있습니다. AI의 환경을 학습하고 적응하는 능력은 복잡한 도로와 상황을 처리하는 데 더熟練합니다.
AI는 AVs에서 다음과 같은 방법으로 사용됩니다:
- 기술은 AVs가 다른 운전수와 보행자의 행동을 예측하고, 문제를 예방하기 위해 분석과 예측을 사용하여 차량을装備할 수 있습니다.
- 기계 학습을 사용하여, AI는 AVs가 물체를 인식하고 모델링하도록 도와줍니다. 또한, 레이블이 없는 데이터 세트에서 훈련된 모델은 AVs가 이상을 감지하고, 복잡한 상황을 이해하며, 특징을 추출하도록 도와줍니다.
- AVs는 카메라, Lidar, 레이더 및 초음파 센서와 같은 센서를 사용하여 주변 환경에 대한 정보를 얻습니다. 여기서, AI 알고리즘은 이러한 데이터를 분석하여詳細한 지도 생성을 허용하고, AVs가 정보에基づいた 결정을 내릴 수 있도록 합니다.
- 자연어 처리(NLP)를 활용하여, AVs는 음성 인식으로 승객과 상호 작용할 수 있습니다. 이를 통해, AI는 자동차가 인간의 질문을 이해하고 효과적으로 응답하도록 도와줍니다.
- 실시간 센서 데이터에基づいて 즉시 결정을 내리는 것을 가능하게 함으로써, AI는 AVs가 위험한 상황에서 인간의 오류를 줄일 수 있도록 도와줍니다. 이를 통해, AI는 센서 데이터를 분석하여 교차로 감지, 블라인드 스폿 모니터링, 교통 신호와의 동기화 및 비상 상황下的 차량 제어를 개선합니다.
전체적으로, AVs에서 AI는 실시간 데이터 수집, 물체 감지, 경로 최적화, 도로 상황 탐색 및 오류 예측을 허용합니다. 이러한 AI의 사용 사례는 자율 주행 자동차가 교통을 줄이고, 에너지를 절약하고, 접근성을 향상시키고, 효율성을 높이고, 안전성을 향상시킵니다.
이미, 이 기술은 전 세계의 자동차 제조업체에서 사용되고 있습니다. 예를 들어, Tesla의 Autopilot는 거의 10년 동안 30억 마일 이상의 거리를 자동 조종 모드로 운행했습니다. 엘론 머스크의 Tesla는 정확한 제어를 위한 첨단 AI 알고리즘을 사용합니다.
Waymo는 또 다른 예로, 복잡한 경로 계획과 환경에 대한 지능적인 반응을 위한 AI 기반 자율 주행 시스템을 사용합니다. 이 회사는 시뮬레이션에서 수십억 마일을 운행하여 자동차를 테스트했습니다.
다임러의 디지털 어시스턴트, 아우디의 R10 e-tron SUV, 메르세데스-벤츠의 EQR4 자율 주행 시스템은 다른 예입니다. AVs에서 AI에 기여하는 주요 회사로는 BMW, GM, 닛산, 우버, 볼보, 보쉬, 모빌아이, 발레오, 콘티넨탈, 벨로디네, 엔비디아 및 포드가 있습니다.
여기서 2023년에 AI가 돌파구를 맞았으며, 앞으로 무엇을 기대할 수 있는지 알아보세요.
자율 주행 자동차 분야에서 가장 중요한 AI 혁신
2023년은 AI의 발전이 예술, 금융, 의료, 교육 및 기후 변화, 연구, 자금 조달 및 자율 주행 자동차에 미치는 영향과 관련하여 큰 해였습니다. 그래서, 자율 주행 자동차 분야에서 2023年の 가장 중요한 AI 혁신을 살펴보겠습니다.
최근에, 한국의 인천대학교(INU) 연구진은신종 3D 물체 감지 시스템을 개발했습니다. 이는 딥 러닝 기반의 인터넷 사물 인터넷(IoT) 기술을 사용하여, AVs가 부정적인 조건에서도 개선된 감지 능력을 제공합니다.
이 연구에서는 YOLOv3(You Only Look Once) 알고리즘을 3D 물체를 식별하기 위해 IoT와 결합하여, 센서, 카메라, 레이더 등이 취약한 도로 상황과 날씨를 극복했습니다. 이 시스템은 다양한 물체를 감지하고, 크기와 회전 변화를 처리할 수 있습니다.
이 시스템은 Lyft 데이터 세트를 사용하여 테스트되었으며, 더 높은 정확도와 더 낮은 지연 시간을 보여주었습니다. 연구진에 따르면, 제안된 시스템의 유연성은 자율 주행 자동차를 넘어, 감시, 로봇공학 및 게임에도 적용될 수 있습니다.
또 다른 프로젝트인 Helm.ai는운전수의 의도 예측과 최적 경로 계획을 위한 AI 혁신을 발표했습니다. 이 회사는 로봇과 자동차의 자동화를 위한 AI 소프트웨어를 개발하며, 이는 L2/L3 및 L4 배포를 확장할 수 있도록 할 것입니다.
회사의 DNN 기반 모델은 실제 운전 데이터를 사용하여 복잡한 운전 환경에서 훈련되었습니다. 또한, 주변 차량과 보행자의 행동을 분석하여 다양한 도시 상황에서 정확하게 예측하고, AVs가 취할 수 있는 가장 효율적이고 안전한 경로를 생성합니다.
이 회사의 플랫폼은 다양한 하드웨어 구성과 원활하게 작동하며, 효율적인 훈련과 검증을 허용합니다.
“우리의 소프트웨어 플랫폼은 도시 환경의 중요한 인식 도전을 해결하며, AI 기반 의도 예측 및 경로 계획의 확장 가능하고 검증 가능한 개발을 위한 길을 열어줍니다.”
– Helm.ai의 CEO, Vladislav Voroninski
이번 년도에, 전기 자동차의 선구자인 Tesla도 Full Self-Driving(FSD) 소프트웨어에서 발전을 이루었습니다. 최신 버전인 12(v12)은 레벨 4 또는 레벨 5의 자율성을 달성하는 데 더 가까이 다가갔습니다.
8월에, 머스크는 FSD v12를 시연하여, 자동차가 자동으로 운전하고, 평행 주차를 수행하며, 교통 신호를 지키고, 회전교를 운행하는 것을 보여주었습니다. 이 버전의 차이점은 FSD v12가 인간 프로그래머가 다양한 운전 상황에 대한 응답을 하드 코딩할 필요가 없는, AI 기반의 자율 학습 신경망에 크게 의존한다는 것입니다.
이것은 AI가 대량의 데이터를 분석하여 가장 적절한 응답을 선택한다는 것을 의미합니다. 이 발전은 Tesla가 로보택시 사업을 달성하는 데 한 걸음 더 다가갔습니다. Ark Invest에 따르면, 이 사업은 비熊적 시나리오에서 연간 2,000억 달러의 수익을 창출할 것입니다(최적적 시나리오에서는 6,000억 달러).
이번 년도 초에, AVs를 위한 또 다른 혁신이 있었습니다. Purdue University와 Michigan State University의 연구진은카메라 이미징 시스템 HADAR(heat-assisted detection and ranging)를 개발했습니다. 이 시스템은 열 신호를 해석하여詳細한 이미지를 제공하며, 어둠을 뚫고 가며, 밤에도 밝은 낮과 같은 이미지를 제공할 수 있습니다.
이들의 AI 모델은 상업용 적외선 카메라에서 데이터를 수집하여 물체의 물리적 특성과 주변 환경을 인식하고, 명확한 밤의 장면을 재구성할 수 있습니다. 이 시스템은 열 방사선 패턴, 물질 형성 및 온도를 성공적으로 감지할 수 있으며, 잠재적으로 공공 보안 검색 및 어둠의 공포를 극복하는 데 사용될 수 있습니다. 그러나, 이 시스템은 장비 비용과 실시간 캘리브레이션의 필요성과 같은 도전을 가지고 있습니다.
Ford Motor Company는 또한 자율 주행 시스템을 개발하기 위한 자회사인 Latitude AI를 설립했습니다. 이 회사는 이미 BlueCruise에서 5,000만 마일의 수동 없는 운전을 달성했습니다.
이제, Latitude와 함께, 회사의 목표는 고속도로의 장거리 운전이나 정체된 교통과 같은 운전의 지루하고 스트레스가 많은 상황을 자동화하는 것입니다. 자율 주행에 대해 말하자면, Ford의 기술 책임자 Doug Field는 다음과 같이 말했습니다.
“우리는 자율 주행 기술을 사람과 자동차 간의 관계를 재정의하는 기회로 봅니다.”
결론
따라서, 인간의 도움이 필요한 수준에 따라, 자율 주행 자동차는 다양한 범주에 속합니다. 즉, 운전 보조를 위한 자동화, 부분적으로 자동화된 운전, 고도로 자동화된 운전, 완전 자동화된 운전 및 완전히 자동화된 차량이 있습니다. AI의 등장으로, 자율 주행 자동차가 최종 단계에 도달하는 가능성이 더 가까워졌습니다.
자동차 산업에서 AI 시장의 미래는 매우 약속되어 있습니다. 2022년에 60억 달러였던 시장 규모는 2032년까지 55%의 연간 성장률로 성장할 것으로 예상됩니다.
센서 기술, 컴퓨팅 파워 및 예측 유지 보수 솔루션과 같은 AI 알고리즘의 발전은 자율 주행 자동차가 도전을 해결하고 주류로 받아들여지도록 도와줄 것입니다!
