자율 주행 자동차에서의 AI

자율주행 차량은 더 이상 미래의 아이디어가 아니며, 자율주행을 위한 인공지능(AI)의 발전으로 현실이 되어가고 있습니다. 이러한 차량은 주변 세상을 이해하고 해석하기 위해 고급 AI 시스템, 특히 computer vision에 크게 의존합니다. 이 기술을 통해 차량은 객체를 식별하고, 도로 표지판을 인식하며, 복잡한 주행 환경을 실시간으로 안전하게 탐색할 수 있습니다.

2021년 전 세계 자율주행차 시장 규모가 270억 달러를 넘어섰고 2026년까지 거의 62억 달러로 성장할 것으로 예상되는 가운데, autonomous driving을 위한 AI가 교통의 미래를 형성하고 있음이 분명합니다. 이 글에서는 보행자 감지, 교통표지판 인식, 차선 유지 시스템 같은 주요 응용 분야를 다루며 자율주행차에 computer vision이 어떻게 적용되는지 자세히 살펴보고, 이러한 혁신이 운전의 미래를 어떻게 바꾸고 있는지 소개합니다.

자율주행 자동차에서 AI의 역할#

AI는 자율주행 자동차가 주변 환경을 이해하고 실시간으로 결정을 내리는 데 큰 도움을 줄 수 있습니다. 다양한 적용 사례 중에서도 자율주행의 신뢰성을 높이는 핵심 요소인 보행자 감지 및 교통 표지판 인식을 AI가 어떻게 지원하는지 살펴보겠습니다.

보행자 감지를 위한 AI#

운전은 운전석에 있는 동안 주변 상황에 대한 지속적인 집중과 인식을 수반합니다. 자율주행차의 AI는 자동차의 일상적인 사용과 관련된 수많은 측면을 도울 수 있습니다. 예를 들어, AI는 보행자를 발견하고 그들의 움직임을 예측하여 보행자를 안전하게 지키는 데 중요한 역할을 할 수 있습니다. "Study of Pedestrian Detection in Self-Driving Cars"에 따르면, 이 과정은 도로, 인도, 횡단보도를 포함한 주변 환경의 전체 시야를 포착하기 위해 차량 주위에 배치된 자동차의 카메라에서 시작됩니다. 이 카메라는 지속적으로 시각 데이터를 수집하여 분주하거나 까다로운 상황에서도 차량이 보행자를 "볼" 수 있도록 돕습니다.

수집된 시각 데이터는 Ultralytics YOLOv8과 같은 computer vision 모델을 사용하여 처리될 수 있습니다. 이를 위한 첫 번째 단계는 이미지 내에서 보행자, 차량, 교통표지판 같은 잠재적 객체의 위치를 식별하는 object detection을 사용하는 것입니다. 감지된 후 AI 모델은 감지된 각 객체가 실제로 무엇인지 결정하는 classification이라는 다음 단계로 이동합니다. 모델은 방대한 datasets으로 trained되어 부분적으로 가려져 있거나 움직이는 중일 때도 다양한 자세, 조명 조건, 환경 속에서 보행자를 인식할 수 있습니다.

일부 컴퓨터 비전 모델은 감지 및 분류에 탁월하지만, 다른 모델들은 감지된 보행자의 움직임을 예측하는 작업에 집중합니다. 이러한 시스템에서 객체가 보행자로 분류되면, AI 모델은 한 걸음 더 나아가 그들의 다음 움직임을 예측합니다. 예를 들어 누군가 횡단보도 가장자리에 서 있다면, 차량은 그 사람이 도로로 걸어 들어올지 예측할 수 있습니다. 이러한 예측 능력은 차량이 잠재적인 위험을 피하기 위해 실시간으로 속도를 줄이거나, 정지하거나, 방향을 바꾸는 등의 대응을 하는 데 매우 중요합니다. 이러한 결정을 더욱 지능적으로 만들기 위해 AI 시스템은 카메라의 시각 데이터와 LIDAR와 같은 다른 센서의 입력을 결합하여 차량이 주변 환경을 더욱 완벽하게 이해하도록 합니다.

Fig 1. Ultralytics YOLOv8 detecting a pedestrian.

교통 표지판 인식을 위한 AI#

TSR의 약자인 교통표지판 인식은 자율주행차의 또 다른 중요한 부분입니다. 이는 차량이 정지 신호, speed 제한, 방향 등 도로 표지판을 실시간으로 인식하고 대응하도록 돕습니다. 이를 통해 차량은 교통 규칙을 준수하고 사고를 예방하며 승객이 부드럽고 안전한 주행을 즐길 수 있도록 합니다.

TSR의 핵심은 차량의 카메라를 사용하여 표지판을 식별하는 딥러닝 알고리즘입니다. 이러한 시스템은 비, 낮은 조도 또는 비스듬한 각도에서 표지판을 보는 등 다양한 조건에서도 작동해야 합니다. 이전의 방법들은 표지판의 모양과 색상을 분석하는 기술에 의존했지만, 날씨가 좋지 않은 복잡한 상황에서는 자주 실패하곤 했습니다.

"A Ultralytics YOLOv8-based approach for multi-class traffic sign detection" 연구 논문에서 저자들은 YOLOv8 모델을 사용하여 이미지에서 교통표지판이 위치한 영역을 식별하는 방법을 설명합니다. 이 모델은 다양한 각도, 조명, 거리 등 여러 조건에서의 교통표지판 이미지가 포함된 데이터셋으로 학습되었습니다. YOLOv8 모델이 교통표지판을 포함하는 영역을 탐지하면, 이를 정확하게 분류하여 80.64%라는 인상적인 정밀도를 달성합니다. 이러한 기능은 자율주행 차량이 중요한 교통표지판을 실시간으로 식별하여 도로 상황을 파악하는 데 도움을 줄 수 있으며, 잠재적으로 더 안전한 주행 결정을 내리는 데 기여할 수 있습니다.

Fig 2. 교통 표지판을 정확하게 감지 및 분류하여 자율주행 자동차의 안전한 주행을 가능하게 하는 컴퓨터 비전 모델. (출처: computervision.zone)

자율주행 자동차에서 AI의 이점#

AI는 자율주행차의 작동 방식을 점진적으로 변화시켜 더욱 안전하고 효율적으로 만들고 있습니다. 스마트 알고리즘과 빠른 데이터 처리 능력을 갖춘 이 차량들은 위험을 발견하고, 더 나은 주행 결정을 내리며, 심지어 impact on the environment를 줄일 수도 있습니다. 다음은 AI가 자율주행차에 가져다주는 주요 이점 중 일부입니다.

향상된 안전성#

AI는 실시간으로 위험을 감지하고 대응하게 함으로써 자율주행 자동차의 안전성을 향상시킬 수 있습니다. 미국 도로교통안전국(NHTSA)의 보고서에 따르면, 심각한 충돌 사고의 **94%**가 인적 오류로 인해 발생합니다. AI는 인간 운전자보다 빠르게 반응하여 이러한 사건을 줄일 잠재력을 가지고 있으며, 자율주행 시스템이 더 고도화됨에 따라 사고율을 최대 90%까지 낮출 수 있습니다.

더 원활한 교통 흐름과 연비 효율성#

자율주행차 객체 감지의 AI는 안전을 도울 뿐만 아니라 교통 흐름도 개선합니다. AI를 사용하여 이 차량들은 속도를 조절하고, 최적의 거리를 유지하며, 급제동이나 급가속의 필요성을 줄일 수 있으며, 이 모든 것이 traffic congestion을 최소화하는 데 도움이 됩니다. 또한 AI 알고리즘은 자동차가 가장 효율적인 경로를 따르고, 불필요한 정차를 피하며, 인간 운전자보다 연료 소비를 더 잘 관리하도록 보장하여 연료 효율성을 최적화합니다. 그 결과, AI는 운전 경험을 향상시킬 뿐만 아니라 배출가스와 연료 비용을 줄이는 데도 기여합니다.

자율주행 자동차의 미래#

Society of Automotive Engineers (SAE)에서 정의한 대로 자율주행의 5단계를 세분화하여 기술이 향상되는 방향을 이해하는 것이 중요합니다.

• 레벨 0: 자동화 없음. 인간 운전자가 완전히 제어합니다.
• 레벨 1: 운전자 지원. 크루즈 컨트롤과 같은 기본 시스템이 주행을 돕지만 인간의 감독이 필요합니다.
• 레벨 2: 부분 자동화. 차량이 조향과 가속을 모두 제어할 수 있지만 운전자는 주의를 유지하고 언제든 조치를 취할 준비가 되어 있어야 합니다.
• 레벨 3: 조건부 자동화. 차량이 대부분의 주행 작업을 관리할 수 있지만, 복잡한 상황에서는 인간의 개입이 필요합니다.
• 레벨 4: 고도 자동화. 극한 상황에서는 운전자가 필요할 수 있지만, 대부분의 환경과 조건에서 차량이 스스로 주행할 수 있습니다.
• 레벨 5: 완전 자동화. 차량은 완전히 자율적이며 인간의 입력 없이 모든 조건에서 작동할 수 있습니다.

현재 상용화된 대부분의 차량은 Level 2 자율주행으로 작동하며, 자동차가 조향 및 속도 제어를 도울 수 있지만 여전히 운전자가 계속 집중해야 합니다. Mercedes-Benz는 Level 3 자율주행을 달성한 최초의 기업 중 하나로, 특정 조건에서 운전자가 운전대에서 손을 떼고 도로에서 눈을 떼며 주변 환경을 둘러볼 수 있게 해줍니다.

그러나 번화한 도심부터 외딴 시골길까지 지도나 인간의 개입 없이 모든 지형을 탐색할 수 있는 레벨 5 자율주행에 도달하는 것은 상당한 과제를 안겨줍니다. 이러한 과제에는 예측 불가능한 환경에서 실시간 결정을 내릴 수 있는 고급 AI 개발, 복잡한 기상 조건 처리, 모든 주행 시나리오에서의 안전 보장 등이 포함됩니다.

핵심 요약#

AI는 자율주행차를 더욱 현실로 만드는 핵심입니다. AI는 이 차량들이 객체를 감지하고, 교통표지판을 인식하며, 차선을 유지하도록 돕고, YOLOv8 같은 computer vision 모델과 함께 managing traffic 및 optimizing parking management를 지원하여 운전을 더 안전하고 부드럽게 만들어 줍니다. YOLO 및 CNN 같은 기술은 자동차가 도로에서 스마트한 결정을 내리도록 허용하고 있습니다. 현재 대부분의 자율주행차는 운전을 보조하지만 여전히 사람의 주의가 필요한 Level 2로 작동하며, 제한된 핸즈프리 주행을 허용하는 Level 3 자율주행이 테스트되고 있습니다.

앞으로의 큰 과제는 인간의 도움 없이 어떤 조건에서도 스스로 주행할 수 있는 레벨 5 자율주행에 도달하는 것입니다. 이는 예상치 못한 사건들을 처리하고 모든 상황에서 실시간 결정을 내릴 수 있는 시스템을 만들기 위한 더 많은 노력이 필요할 것입니다. AI가 발전함에 따라 완전한 자율주행 자동차에 더 가까워지고 있으며, 더 안전한 도로와 더 편안한 주행 경험을 약속합니다.

AI에 대해 궁금하신가요? 혁신적인 프로젝트를 살펴보고 성장하는 community와 소통하려면 GitHub repository를 탐색해 보세요. healthcare 분야의 획기적인 발전부터 self-driving의 혁신에 이르기까지, 우리는 AI의 미래를 이끌어 나갑니다!