H-mobility class 자율주행 부문 강의를 수강할 수 있게 되었는데, 내가 하던 분야랑 다르기도 하고 기존에 하던 것들이 있어서 전부 듣지는 못할 것 같았다. 그래도, 졸업프로젝트 주제가 자율주행과 관련이 있는 만큼 기초 부분이랑 네트워크 부분 만이라도 정리를 해보려고 한다!

자율주행 기술 5단계 개요

• 0~5단계로 구성, 단계 올라갈 수록 자율주행 기술 고도화

0-2단계 자율주행

• 운전의 책임이 운전자에게 있음
• 0단계 : 비자동화
  • 위험을 경고하는 시스템을 이용해 자동화 과정 없이 운전자가 직접 차량 제어
• 1단계 : 운전자 지원
  • 시스템이 운전자의 가감속 또는 조향 보조
  • FCA(전방 충돌 방지 보조) , BCA
• 2단계 : 부분 자동화
  • 특정 주행 모드에서 시스템이 조향(차로 유지) 및 가감속에 대한 자동화 수행
  • 운전자의 모니터링 필요
  • 고속도로 주행 유지 시스템

3단계 자율주행

• 조건부 자동화
• 여기서부터 차량통제권이 자율주행 자동차에게 넘어감
• 자율주행이 가능한 상황에서 스스로 운전, 단 가능하지 않은 상황에서는 운전자에게 운전권 이양
• 운전자의 모니터링은 필요하지 않으나 언제든지 제어권을 받을 수 있는 준비 필요
• 얼마나 자주 제어권을 운전자에게 넘겨주느냐가 자율주행의 경쟁력

4단계 자율주행

• 고도의 자동화
• 고비용의 자율주행 센서 활용 가능
• 공공 버스, 셔틀, 공유 차량, 렌트를 위한 목적으로 사용될 가능성이 높음
• 정해진 지역 또는 영역 안에서는 운전자의 개입이나 모니터링이 필요 없음
  • 정해진 지역 밖이면 이것도 운전자 개입이 필요하긴 함

5단계 자율주행

• 완전 자율주행
• 자율주행의 궁극적인 완전 자율주행 상태 (운행 가능한 모든 상황에서)

자율주행 기술의 발전현황

1. 자율주행 기술의 역사

• DARPA Grand Challenge
  • 첫번째 대회
    • 2004년 모하비 사막에서 개최한 150마일에 이르는 장거리 대회로 완주한 참가팀이 없었음
  • 두번째 대회
    • 2005년에 개최하여 스탠퍼드 대학팀이 우승, 2위는 카네기 멜넬론 대학
• DARPA Urban Challgne
  • 2007년 캘리포니아 빅토빌에서 개최한 60마일에 이르는 도심 코스 대회
• 2009년 구글의 자율주행차 연구 착수
  • DARPA Grand Challenge 우승팀 스탠포드 대학교수 영입

2. 자율주행 기술의 현단계

• 고급자동차에 반자율주행 기술 탑재 : 2단계 자율주행 기술의 상용화
• 딥러닝 인공지능 기술의 발전 : 자율주행 실용화 가능성 높아짐
• 차량용 반도체 및 네트워크 기술의 발전 : 자율주행을 위한 차량 내 시스템 구현 가능
• 자동차 기업, 실리콘 밸리의 IT 기업, 차량공유 기업의 자율주행 기술 연구 진행

자율주행 기술의 미래 발전 방향

1. 자율주행 기술의 성공 요건

• 안전성, 신뢰성
  • 주변 환경의 변화에도 강인한 기술, 안정성 보장 기술, 대응 기술 필요
• 교통 상황 및 문맥파악
  • 다양한 교통 상황과 상태 이해 및 대응 여부 중요
• 확장성, 진화형
  • 지속적인 기술 및 성능 진화 필요
• 신뢰성 있는 테스트 및 검증
  • 시뮬레이션 기반의 테스트 기술 도입 필요

2. 인공지능과 자율주행

• 딥러닝 인공지능 기술이 발전하면서 자율주행에 필수적인 기술이 됨
• 딥러닝 기술로 인해 센서 데이터를 이용한 인지 기술의 성능이 엄청난 발전을 이루게 됨
• 타 차량, 보행자 검출, 차선, 도로 인식, 주변 상황 예측 가능하여 자율주행의 중요한 역할을 함
• 인공지능 알고리즘 및 반도체 기술의 빠른 발전으로 자율주행의 기술의 고도화 예상

자율주행 기술 구성

1. 자율주행차 기술

• 인지
  • 센서 신호를 이용해 주변의 동적객체들을 검출하고 객체들의 움직임과 의도를 알아내는 작업
• 측위
  • 주변의 정적 주행 환경을 파악하여 정밀지도를 기반으로 자율주행차의 위치를 추정하는 작업
• 판단
  • 인지와 측위 결과를 기반으로 경로계획을 하고 장애물을 피하는 등의 상위 판단을 내리는 작업
• 제어
  • 판단의 과에 따라 차량을 운전하는 작업

2. 자율주행 플랫폼

• 자율주행차
  • 센서
    • 사람의 감각기관과 같음, 주변에 대한 정보를 받아들이는 기기
  • GPS
    • 차량의 위치를 측정하기 위한 기기
  • 컴퓨팅 하드웨어
    • 센서 및 차량 정보들을 받아 인지, 측위, 판단, 제어 기능을 수행
  • 차량네트워크
    • 차량 정보, GPS 신호, 센서 신호를 자율주행 컴퓨터로 전달하는 역할
• 클라우드
  • 서버 : 데이터를 이용한 학습을 위한 컴퓨팅 자원 제공
  • 대규모 데이터 저장 및 관리를 위한 디지털 저장공간 제공
  • 정밀지도 관리 및 업데이트
• 인프라(엣지)
  • 자율주행차를 보조하기 위한 정보를 수집하여 자율주행차에 전달
  • ex) 사거리 건널목에서 사고 및 교통 상황을 수집하여 전달
• 통신
  • 차량 간 통신(V2V) : 도로 위의 차량끼리 정보를 주고 받기 위한 통신
  • 차량 인프라 간 통신(V2I) : 자율주행차가 인프라와 정보를 주고받음

자율주행 기술의 요소 : 센서, 인지, 측위

1. 자율주행 센서 기술

• 센서 기술
  • 외부 정보를 받아들이는 부분
  • 카메라, 레이더, 라이다, 초음파 센서를 주로 사용
  • 다중 센서 사용
    • 각 센서의 장점만을 취하기 위해 센서 융합기술 적용

2. 인지 기술과 측위 기술

• 인지
  • 센서를 통해 취득된 데이터를 처리하여 주변의 환경에 대한 정보를 알아냄
  • 동적 객체 검출 및 동적 객체의 행동, 미래 위치, 의도 예측
  • 정적 객체 검출 및 충돌 장애물의 존재 여부와 상대 거리 파악
• 측위
  • GPS와 센서 정보 등을 활용하여 정밀지도 위에서 자율주행차 위치 추정
  • cm 단위의 측위 정확도 필요
  • GPS : 위치 정보를 주지만 정확도가 떨어지고 음영지역에서는 사용할 수 없는 단점
  • 센서 정보를 활용하여 차량의 Odometry 정확도를 높임
  • 맵 매칭을 통해 GPS의 위치 오차 보정 및 음영지역에서는 센서 정보만으로 측위 수행

자율주행 기술의 요소 : 판단, 제어

1. 판단 기술

• 주변 환경에 대한 정보를 기반으로 자율주행차가 안전하고 신속하게 목적지까지 가기 위해 경로 계획 및 의사 결정 수행
• 경로 계획 : 목적 지점까지 이동 시 최적의 경로 결정
• 의사 겱정 : 차로 유지, 차로 변경, 위험 회피 등을 결정
• 타차량과의 상호작용
  • 차로 변경 시 또는 타차량 차로 변경 시 상대 차와의 협상
  • 타차량 운전 성향 및 의도 파악
• 보행자와의 상호작용
  • 보행자의 미래 위치 및 거동 예측 후 충돌 방지
  • 센서 정보 활용으로 보행자의 자율주행차 주시 여부 파악
• 위험도 분석
  • 주변 동적 객체 또는 장애물과의 충돌 위험도 평가
  • 충돌 확률 분석
• 위험 회피 판단
  • 자동긴급제동 기술 : 충돌 위험 및 충돌 가능성이 높다고 판단 시 자동으로 수행
  • 위험 상황, 또는 사고 상황에서 피해를 최소화하는 판단 및 계획 수행

2. 제어 기술

• 판단에서 도출된 경로 계획이나 상위 판단 결과를 추종하도록 차량 제어
• 차량의 조향 및 감가속 조절

자율주행 기술 인프라 : 통신, 고정밀 지도

1. 자율주행을 위한 인프라

• 차세대 지능형 교통 시스템 (C-ITS, Cooperative-intelligent transportation systems)
  • 자율주행 실현을 위해 자율주행차와 인프라 기술 간의 협력 필요

2. 자율주행을 위한 통신

• V2X
  • 차량이 유/무선망을 통해 다른 차량 및 도로 등 인프라가 구축된 사물과 정보 교환
• V2V(차량 간 통신)
  • 차량간 실시간 정보 공유, 자율주행의 안전성 강화 및 충돌 방지
• V2I(차량과 인프라 간 통신)
  • 주요지점에 대한 자율주행 안전성 확보, 비상상황 및 도로 상태에 대한 정보 제공
• 모바일 엣지 컴퓨팅(MEC)
  • 차량에서 전송되는 정보를 중앙의 클라우드까지 보내지 않고 기지국 등의 엣지에서 처리하는 기술

3. 자율주행을 위한 고정밀 지도

• Mobile Mapping system(MMS) : 구축
  • 차선 단위의 정보와 속성 제공하는 고정밀 지도 구축
• 클라우드 : 관리
  • 변화하는 지형 및 도로 환경을 반영하여 최신성 유지 및 정보 수집 후 고정밀 지도 업데이트

자율주행 기술 인프라 : 데이터, 하드웨어

1. 자율주행 데이터

• 자율주행을 위한 딥러닝 등의 머신러닝 기술은 대규모 학습 데이터 요구
  • 차량 주행 시 취득한 데이터 이용
  • 시뮬레이션을 통해 얻은 주행 데이터 활용
  • 급속도로 증가하는 데이터에 대한 관리 필요
  • 데이터에 정답을 붙여주는 라벨링 과정 필요
  • 데이터 증가로 학습 모델이 개선될 때 마다 주기적인 자율주행 기능 업데이트 필요
• 클라우드 기반 데이터 수집, 가공, 학습 과정
  • 테스트 차량 또는 자율주행차가 수집한 데이터를 클라우드로 전송
  • 가공 및 라벨링 과정 수행 : 데이터의 선별 필요
  • 자율주행 기능의 학습(트레이닝) 수행
  • 학습된 자율주행 기능의 테스트 및 검증
  • 학습된 자율주행 기능을 OTA를 통해 탑재: 자율주행 기능의 업그레이드 완성

2. 자율주행 하드웨어

• 자율주행 센서 : 주변의 환경 정보를 받기 위한 하드웨어
• 차량용 네트워크 : 차량 내 고속 센서 데이터 통신 및 지원
• 차량용 반도체 프로세서 : 전체적인 자율주행 기능 수행 및 관리
• 임베디드 하드웨어 : 인지, 판단 등의 딥러닝 소프트웨어 수행
  • NPU, GPU와 같은 딥러닝 계산에 트고하된 반도체
  • 저전력, 실시간성 중요