자율 주행 차량의 AI

자율주행 자동차는 더 이상 먼 미래의 아이디어가 아닙니다. 자율주행을 위한 인공지능(AI)의 발전으로 현실화되고 있습니다. 이러한 차량은 주변 세계를 이해하고 해석하기 위해 computer vision과 같은 고급 AI 시스템에 크게 의존합니다. 이 기술을 통해 실시간으로 사물을 식별하고, 도로 표지판을 인식하며, 복잡한 환경을 안전하게 주행할 수 있습니다.

2021년 270억 달러가 넘고 2026년에는 약 620억 달러 규모로 성장할 것으로 예상되는 글로벌 자율주행 자동차 시장을 볼 때, autonomous driving을 위한 AI가 교통의 미래를 형성하고 있음은 분명합니다. 이 기사에서는 자율주행 자동차에 컴퓨터 비전이 어떻게 적용되는지 자세히 살펴보고, 보행자 탐지, 교통 표지판 인식, 차선 유지 시스템과 같은 주요 애플리케이션을 다루며 이러한 혁신이 어떻게 주행의 미래를 변화시키고 있는지 보여드리겠습니다.

Link to this section자율주행 자동차에서 AI의 역할#

AI는 자율주행 자동차가 주변 환경을 이해하고 실시간으로 의사결정을 내리도록 크게 도울 수 있습니다. AI의 여러 애플리케이션 중 자율주행의 신뢰성을 높이는 핵심 요소인 보행자 탐지와 교통 표지판 인식을 AI가 어떻게 지원하는지 살펴보겠습니다.

Link to this section보행자 탐지를 위한 AI#

운전은 운전대를 잡고 있는 동안 주변 상황에 대한 지속적인 집중과 인식을 수반합니다. 자율주행 자동차의 AI는 일상적인 주행의 수많은 측면을 도울 수 있습니다. 예를 들어, AI는 보행자를 발견하고 움직임을 예측하여 보행자의 안전을 지키는 데 중요한 역할을 할 수 있습니다. "Study of Pedestrian Detection in Self-Driving Cars" 연구에 따르면, 이 과정은 도로, 인도, 횡단보도를 포함한 주변 환경을 전체적으로 포착하기 위해 차량 곳곳에 배치된 카메라에서 시작됩니다. 이 카메라들은 끊임없이 시각 데이터를 수집하며, 복잡하거나 어려운 상황에서도 차량이 보행자를 "볼 수" 있도록 돕습니다.

The visual data collected can then be processed using computer vision models such as Ultralytics YOLOv8. To do so, the first step is using object detection which entails identifying the location of potential objects, such as pedestrians, vehicles, and traffic signs, within the image. Once detected, the AI model moves to the next step, which is classification—determining what each detected object actually is. The models are trained on vast datasets, enabling them to recognize pedestrians in various poses, lighting conditions, and environments, even when they are partially obscured or in motion.

일부 컴퓨터 비전 모델은 탐지와 분류에 뛰어나지만, 다른 모델들은 탐지된 보행자의 움직임을 예측하는 작업에 집중합니다. 이러한 시스템에서 객체가 보행자로 분류되면 AI 모델은 한 단계 더 나아가 다음 움직임을 예측합니다. 예를 들어, 누군가 횡단보도 끝에 서 있다면, 차량은 그 사람이 도로로 걸어 나올지 예측할 수 있습니다. 이러한 예측 능력은 차량이 실시간으로 속도를 줄이거나, 정지하거나, 방향을 바꾸어 잠재적인 위험을 피하는 데 매우 중요합니다. 이러한 의사결정을 더욱 스마트하게 만들기 위해 AI 시스템은 카메라의 시각 데이터와 LIDAR와 같은 다른 센서의 입력을 결합하여 차량이 주변 환경을 더 완벽하게 이해하도록 합니다.

Fig 1. 보행자를 탐지하는 Ultralytics YOLOv8.

Link to this section교통 표지판 인식을 위한 AI#

TSR로 줄여 부르는 교통 표지판 인식은 자율주행 자동차의 또 다른 중요한 부분입니다. 이 기술은 차량이 정지 표지판, speed 제한, 방향 지시 등 도로 표지판을 실시간으로 인식하고 대응하도록 돕습니다. 이를 통해 차량은 교통 법규를 준수하고 사고를 방지하며, 승객이 원활하고 안전한 주행을 즐길 수 있도록 합니다.

TSR의 핵심에는 차량 카메라를 사용하여 표지판을 식별하는 딥러닝 알고리즘이 있습니다. 이러한 시스템은 비, 낮은 조도 또는 비스듬한 각도에서 볼 때와 같은 다양한 조건에서도 작동해야 합니다. 기존 방식은 표지판의 모양과 색상을 분석하는 기술에 의존하지만, 악천후와 같은 복잡한 상황에서는 자주 실패할 수 있습니다.

"A YOLOv8-based approach for multi-class traffic sign detection" 연구 논문에서 저자들은 YOLOv8 모델을 사용하여 교통 표지판이 위치한 이미지 영역을 식별하는 방법을 설명합니다. 모델은 다양한 각도, 조명, 거리 등 여러 조건에서의 교통 표지판 이미지를 포함한 데이터셋으로 학습되었습니다. YOLOv8 모델이 교통 표지판이 포함된 영역을 detects하면 정확하게 분류하여 80.64%라는 인상적인 정밀도를 달성합니다. 이러한 기능은 중요한 교통 표지판을 실시간으로 식별하여 자율주행 차량이 도로 상황을 이해하도록 돕고, 더 안전한 주행 결정을 내리는 데 기여할 수 있습니다.

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

Link to this section자율주행 자동차에서 AI의 이점#

AI는 자율주행 자동차의 작동 방식을 점진적으로 변화시켜 더 안전하고 효율적으로 만들고 있습니다. 스마트 알고리즘과 빠른 데이터 처리 능력을 갖춘 이러한 차량은 위험 요소를 발견하고, 더 나은 주행 결정을 내리며, impact on the environment까지 줄일 수 있습니다. AI가 자율주행 자동차에 가져오는 주요 이점은 다음과 같습니다.

Link to this section안전성 향상#

AI는 위험 요소를 실시간으로 탐지하고 대응함으로써 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 사고를 줄일 수 있는 잠재력을 가지고 있으며, 자율주행 시스템이 고도화됨에 따라 사고율을 90%까지 낮출 가능성이 있습니다.

Link to this section원활한 교통 흐름과 연료 효율성#

자율주행 차량 객체 탐지의 AI는 안전뿐만 아니라 교통 흐름도 개선합니다. AI를 사용하면 차량은 속도를 조절하고 최적의 거리를 유지하며 급제동이나 급가속의 필요성을 줄여 traffic congestion을 최소화할 수 있습니다. AI 알고리즘은 차량이 가장 효율적인 경로를 따르고, 불필요한 정차를 피하며, 인간 운전자보다 더 나은 방식으로 연료 소비를 관리함으로써 연료 효율성을 최적화합니다. 결과적으로 AI는 주행 경험을 개선할 뿐만 아니라 배출가스와 연료 비용을 줄이는 데 기여합니다.

Link to this section자율주행 자동차의 미래#

자율주행 자동차의 미래는 환경이나 상황에 관계없이 인간의 개입 없이 완전한 자율주행이 가능한 레벨 5 자율주행을 달성하는 데 있습니다. 기술의 방향을 이해하려면 Society of Automotive Engineers (SAE)에서 정의한 5단계 자율주행을 구분하는 것이 중요합니다.

• 레벨 0: 자동화 없음. 인간 운전자가 완전히 제어함.
• 레벨 1: 운전자 보조. 크루즈 컨트롤과 같은 기본 시스템이 운전을 지원하지만 인간의 감독이 필요함.
• 레벨 2: 부분 자동화. 차량이 조향과 가속을 모두 제어할 수 있지만 운전자는 계속 주의를 기울이고 대응할 준비가 되어 있어야 함.
• 레벨 3: 조건부 자동화. 차량이 대부분의 주행 작업을 관리할 수 있지만 복잡한 상황에서는 인간의 개입이 필요함.
• 레벨 4: 고도 자동화. 차량이 대부분의 환경과 조건에서 스스로 주행할 수 있지만, 극한 상황에서는 운전자가 필요할 수 있음.
• 레벨 5: 완전 자동화. 차량이 모든 조건에서 인간의 입력 없이 완전하게 자율적으로 작동할 수 있음.

현재 대부분의 상용 차량은 레벨 2 자율주행 단계에서 작동하며, 차량이 조향과 속도 제어를 지원하지만 여전히 운전자의 지속적인 주의가 필요합니다. Mercedes-Benz는 레벨 3 자율주행을 달성한 최초의 기업 중 하나로, 특정 조건에서 운전자가 스티어링 휠에서 손을 떼고 전방 도로를 주시하지 않으며 주변 환경을 둘러볼 수 있도록 허용합니다.

하지만 지도나 인간의 개입 없이 번화한 도심부터 외딴 시골길까지 모든 지형을 탐색할 수 있는 레벨 5 자율주행에 도달하는 것은 상당한 과제를 안고 있습니다. 이러한 과제로는 예측 불가능한 환경에서 실시간 의사결정을 내릴 수 있는 고급 AI 개발, 복잡한 날씨 조건 처리, 모든 주행 시나리오에서의 안전성 보장이 포함됩니다.

Link to this section주요 요점#

AI는 자율주행 자동차를 더 현실적으로 만드는 핵심입니다. AI는 차량이 사물을 탐지하고, 교통 표지판을 인식하며, 차선을 유지하도록 돕고, YOLOv8과 같은 컴퓨터 비전 모델을 통해 managing traffic과 optimizing parking management를 지원하여 주행을 더 안전하고 원활하게 만듭니다. YOLO와 CNN 같은 기술들은 차량이 도로 위에서 스마트한 결정을 내릴 수 있게 합니다. 현재 대부분의 자율주행 자동차는 주행을 보조하지만 여전히 인간의 주의가 필요한 레벨 2 수준이며, 제한적인 핸즈오프(hands-off) 주행이 가능한 레벨 3 자율주행이 테스트되고 있습니다.

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

AI에 대해 궁금하신가요? GitHub repository를 탐색하여 획기적인 프로젝트를 살펴보고 성장하는 community와 소통해 보세요. healthcare 돌파구부터 self-driving 분야의 혁신에 이르기까지, 저희는 AI의 미래를 이끌어가고 있습니다!