- 자율주행 데이터 수집
데이터 취득을 위한 전용차량을 통한 학습 데이터 수집
실제 자율주행차에서 수집된 데이터를 클라우드로 전송
인프라, 엣지 등에 센서를 장착하여 데이터 취득
2 데이터 선별 및 검증
데이터의 라벨링 과정에 많은 비용과 노력 소요
현재 학습된 모델을 향상시키는데 도움이 되는 데이터만 선별
능동 학습(Active learning) 불확실성이 큰 데이터만을 라벨링하여 적은 수의 데이터만으로 학습 성능을 극대화시키는 전략
선별한 데이터 라벨링 수행 후 검증 과정 중요
-
학습(트레이닝)
대규모의 학습 데ㅣ터를 이용하여 자율주행 인지 모델을 트레이닝
클라우드에서 전용 딥러닝 하드웨어 사용
오랜 계산시간 소모로 딥러닝 구조 선정 및 하이퍼파라미터 튜닝 -
검증 및 테스트
테스트 데이터를 이용한 인지 기능 테스트
실도로에서 시나리오별 자율주행 기능 검증
시뮬레이션을 통한 인지 성능 테스트
실제 자율주행차에 추가적으로 탑재하여 섀도우 모드로 테스트 -
탑재
검증이 된 자율주행 모텔을 소프트웨어 OTA를 통해 차량에 탑재
지속적으로 소프트웨어 관리 및 업데이트 수행 -
데이터 관리를 위한 플랫폼 구축
클라우드를 중심으로 실시간으로 수집되는 대뮤오의 주행, 교통, 센서 데이터 관리
증가하는 데이터의 규모를 다룰 수 있는 클라우드 서버 기술과 데이터 베이스 기술
라벨링에 의한 비용을 최대한 줄이는 솔루션
자율주행차와 클라우드가 정보를 주고 받기 위한 통신 및 OTA 기술 중요
