Autonomous Vehicles

자율주행 차량(AV)은 흔히 자율주행 자동차라고도 하며, 주변 환경을 감지하고 사람의 개입 없이 운행할 수 있는 지능형 교통 시스템입니다. 이러한 시스템은 정교한 하드웨어와 고급 소프트웨어 알고리즘을 결합하여 복잡한 주변 환경을 해석하는 자동차 분야의 AI 혁신의 정점이라 할 수 있습니다. AV 기술의 주요 목표는 사람의 실수로 발생하는 사고를 최소화하여 도로 안전을 향상하는 동시에 교통 효율성을 최적화하고 운전이 어려운 사람들에게 이동성을 제공하는 것입니다. 이러한 차량은 기본적으로 인공지능(AI)을 활용하여 자극을 인식하고 정보를 처리하며 순간적인 주행 결정을 내립니다.

인지 및 센서 기술#

자율주행 차량이 안전하게 주행하려면 주변 환경을 종합적으로 이해할 수 있어야 합니다. 이는 여러 센서에서 수집한 데이터를 통합하는 인지 계층을 통해 구현됩니다.

• 컴퓨터 비전(CV): 카메라는 사람의 시각을 모방하는 주요 시각 센서입니다. 알고리즘은 비디오 스트림을 처리하여 차선 표시, 신호등 및 표지판을 인식합니다.
• LiDAR 기술: 광 검출 및 거리 측정(LiDAR)은 레이저 펄스를 사용하여 주변 환경의 정밀한 고해상도 3D 지도를 생성하며, 깊이 인식에 필수적입니다.
• 객체 감지: 딥러닝 모델은 움직이는 장애물을 식별하고 위치를 탐지합니다. YOLO26과 같은 고속 모델은 낮은 지연 시간으로 보행자와 다른 차량을 감지하는 데 매우 중요합니다.
• 센서 퓨전: 모든 조건에서 완벽하게 작동하는 단일 센서는 없습니다(예: 안개 속의 카메라). 퓨전 알고리즘은 카메라, 레이더 및 LiDAR의 데이터를 결합하여 견고한 환경 모델을 구성합니다.
• 시맨틱 세그멘테이션: 이 기술은 이미지의 모든 픽셀을 분류하여 차량이 주행 가능한 도로 표면, 보도 및 식생을 구분할 수 있도록 지원합니다.

자율주행 수준#

자율 시스템의 기능은 컴퓨터 제어와 사람의 개입 범위를 정의하는 SAE J3016 주행 자동화 수준에 따라 분류됩니다.

• 첨단 운전자 보조 시스템(ADAS): 레벨 1과 2를 포함하는 이러한 시스템은 조향 또는 가속(예: 어댑티브 크루즈 컨트롤)을 지원하지만 운전자가 계속 주의를 기울여야 합니다.
• 조건부 자동화: 레벨 3에서는 차량이 고속도로 교통 정체와 같은 특정 조건에서 대부분의 주행 작업을 처리할 수 있지만, 운전자는 알림을 받으면 제어권을 넘겨받을 준비가 되어 있어야 합니다.
• 고도 자동화 및 완전 자동화: 레벨 4와 5는 사람의 입력 없이 운행할 수 있는 차량을 의미합니다. 레벨 4는 지오펜스로 지정된 영역으로 제한되는 반면, 레벨 5는 강력한 Edge AI 하드웨어가 필요한 경우가 많으며 모든 도로에서 완전한 자율주행을 목표로 합니다.

실제 환경의 AI 애플리케이션#

자율주행 차량 기술은 현재 다양한 분야에 도입되고 있으며, 실제 환경의 복잡성을 처리하기 위해 고강도의 머신러닝(ML) 연산에 의존합니다.

1. 로보택시: Waymo와 같은 기업은 완전 자율주행 차량으로 구성된 차량을 활용하여 도시 환경에서 승객을 운송합니다. 이러한 차량은 복잡한 도시 환경에서 보행자와 다른 운전자의 행동을 예측하기 위해 예측 모델링을 사용합니다.

2. 자율주행 트럭 운송: 장거리 물류는 예측 가능한 고속도로 경로에서 자동화의 혜택을 얻습니다. Aurora와 같은 혁신 기업은 장거리 인지 기능을 활용하여 연료 효율성과 안전성을 향상하는 자율주행 트럭을 개발합니다.

3. 라스트마일 배송: 소형 자율주행 로봇은 객체 추적을 사용하여 보도를 주행하고 소포를 배송함으로써 물류 비용과 탄소 배출량을 줄입니다.

관련 개념 구분하기#

자율주행 차량을 로보틱스 및 자동차 분야의 관련 용어와 구분하는 것이 중요합니다.

• 로보틱스와의 차이: AV는 기술적으로 모바일 로봇에 해당하지만, 로보틱스 분야는 고정형 산업용 로봇 팔과 휴머노이드 어시스턴트까지 포괄하는 더 광범위한 분야입니다. AV는 특히 운송 로직에 특화되어 있습니다.
• 커넥티드 차량(V2X)과의 차이: 커넥티드 차량은 서로(V2V) 그리고 인프라(V2I)와 통신하여 속도와 위치 같은 데이터를 공유합니다. 차량은 자율주행이 아니어도 연결될 수 있지만, 연결성은 AV의 안전성을 향상하는 경우가 많습니다.
• 원격 운전과의 차이: 원격 운전은 사람이 원격으로 차량을 운전하는 방식입니다. 반면 진정한 AV는 신경망을 사용하여 온보드에서 로컬로 의사 결정을 내립니다.

Ultralytics YOLO26을 활용한 인지 구현#

모든 자율 시스템의 핵심 구성 요소는 시간의 흐름에 따라 객체를 추적하는 기능입니다. 다음 예제에서는 Ultralytics Platform과 호환되는 ultralytics 라이브러리를 사용하여 비디오에서 객체 추적을 수행하고 차량의 인지 시스템을 시뮬레이션하는 방법을 보여줍니다.

from ultralytics import YOLO

# Load the YOLO26 model, optimized for speed and accuracy
model = YOLO("yolo26n.pt")

# Track vehicles and pedestrians in a video stream
# This simulates the continuous perception required by an AV
results = model.track(
    source="https://www.ultralytics.com/blog/ultralytics-yolov8-for-speed-estimation-in-computer-vision-projects",
    show=True,
)

# Process results (e.g., counting objects or estimating speed)
for r in results:
    print(r.boxes.xywh)  # Print bounding box coordinates