본문 바로가기
카테고리 없음

인공지능 산업분석 - 2. 자율주행차 (5) 인공지능 활용사례

by 만배만 2024. 3. 1.

자율주행차 인공지능 활용사례

사례 ① NVIDIA

컴퓨팅 하드웨어 제조사인 Nvidia는 자사의 GPU 제조 역량을 활용해 자율주행 분야에 진출하고 있습니다. GPU는 딥러닝 기반의 인공지능 구현 시 컴퓨팅 속도 및 성능 향상을 위해 필수적으로 활용되어야 하는 핵심 하드웨어임. GPU 시장을 선도하고 있는 Nvidia는 이러한 역량을 기반으로 자율주행 시장에 집중하고 있습니다.

Nvidia의 자율주행 개발 플랫폼(DrivePX)

사례 ② Tesla

전기차 혁신 기업인 Tesla는 차세대 혁신을 인공지능에 기반을 둔 자율주행차에서 만들어 가고 있습니다.

- ‘Autopilot’이라 불리는 반자율주행(Semi-Autonomous Driving) 기능을 안정적으로 상용화시키며 관련 기술을 빠르게 발전시켜 나가고 있습니다.

- 무엇보다 차량에서 발생하는 거의 모든 데이터를 수집하고 분석해 인공지능으로 구현했다는 점에서 향후 더욱 큰 혁신이 예상됩니다.

- 약 8만여 대에 이르는 자동차에서 발생된 정보가 모두 수집되면서 다양한 환경의 주행 정보를 Tesla의 인공지능이 학습합니다. 이렇게 학습된 지능을 기반으로 TeslaAutopilot는 시간이 지날수록 기능이 고도화되고, 발전된 기능은 다시 통신망을 통해 기존 차량에 소프트웨어 업데이트 형식으로 반영됩니다. Tesla의 자율주행 기능은 차량이 주행을 하면 할수록 기능이 점점 진화됩니다.

Tesla Autopilot의 주행 데이터 학습 기반의 기능 구현

사례 ③ MIT 자율주행 연구소와 UC 버클리

MITLex Fridman 교수는 자율주행을 위한 딥러닝(Deep Learning for Self-driving Cars)’이라는 수업을 개설하며 관련 연구를 진행 중입니다.

- (DeepTesla 프로젝트) 딥러닝을 기반으로 차량의 주행 영상을 분석합니다.

- (DeepTraffic 프로젝트) 복잡한 주변의 차량 흐름을 스스로 감지해 차선을 변경합니다.

 

UC 버클리의 DeepDrive 연구실 또한 딥러닝 기술을 자율주행 기능에 적용하려는 대표적인 연구실입니다. 딥러닝 기반의 이미지 인식, 강화학습, 지능 이식(Transfer Learning) 등을 자율주행에 적용해 사물 인식 및 주행 알고리즘으로 구현합니다.

MIT Self-driving Lab의 자율주행 알고리즘 구현환경 DeepTraffic

사례 ④ 웨이모

웨이모, 2018년 자율주행기술 개발 관련 1위 기업으로 선정되었습니다.

자율주행 택시 상용 서비스 시작, Level 4 생산 공장을 설립하였습니다.

- 구글(Google)의 모회사 알파벳(Alphabet)의 자율주행 부문 웨이모는 201812, 자율주행 택시 상용 서비스 웨이모원(WaymoOne)’ 출시하였습니다.

- 해당 서비스는 자율주행 차량을 애플리케이션을 통해 호출해 이용할 수 있는 서비스로, 비상시를 대비해 운전자가 상주하는 부분 자율주행 차량 서비스입니다.

- 디트로이트에 Level 4 자율주행차 생산 공장을 설립하였습니다.

사례 ⑤ 바이두, 애플, 모빌아이, 우버, 퀄컴

 (바이두) 인공지능 자율주행차 플랫폼 아폴로’를 개발하였습니다.

(애플) 2014년부터 프로젝트 타이탄이라는 이름으로 자율주행전기차 사업을 추진 중입니다.

- 2018년에 렉서스 차량을 개조한 애플의 자율주행 차량이 실리콘밸리의 고속도로에서 사고가 발생하면서 개발을 계속하고 있음이 확인되었습니다.

(모빌아이) 자율주행시스템 선도업체로 2018년에 유럽 자동차 업체에 800만대 규모의 자율주행 시스템 공급 계약을 맺었으며, 2021년부터 인텔 ‘아이Q5’ 칩 기반의 완전자율주행시스템을 공급할 계획입니다.

- 폭스바겐, 인텔과 공동으로 자율주행 Level 4 수준의 자율주행 택시 실용화 계획을 발표하였습니다.

(우버) 자율주행트럭 개발업체를 인수하여 세계 최초로 상업용 자율주행 배송에 성공하였습니다.

- 20183월에 미국 애리조나주에서 발생하였던 우버 자율주행 차량에 의한 보행자 사망사고 이후 시험 운행을 잠정 중단하였으나 같은 해 11월 안전 문제를 개선하겠다는 보고서를 미국 교통부에 제출하고 자율주행차 테스트를 재개하였습니다.

(퀄컴) 자동차용 반도체업체 NXP2016년에 인수한 이후 자동차용 프로세서 스냅드래곤을 탑재한 자율주행 플랫폼을 CES 2017에서 공개하였습니다.

- 이후 아우디, 포드, 듀카디와 협력하여 C-V2X(Cellular Vehicle-to-everything)기술을 개발하여 CES 2019에서 시연한 바 있으며, C-V2X 칩셋 9150을 개발하였습니다.

사례 ⑥ 네이버랩스

도로 자율주행 핵심기술 #1 Hybrid HD Mapping (자율주행 머신을 위한 고정밀 지도 제작)
도심 단위 대규모 지역의 항공사진과 자체 개발된 모바일 매핑 시스템(MMS)인 R1이 수집한 데이터를 유기적으로 결합하는 HD맵 제작 방식. 기존 MMS차량이 만드는 HD맵에 비해 제작 비용 및 기간을 크게 절감하면서도 높은 정확도 유지

 

도로 자율주행 핵심기술 #2 HD Map Update Solution, ACROSS (도로 자율주행용 HD맵을 최신으로 유지)
ACROSS는 계속 변화하는 도로 환경의 정보를 최신으로 유지하기 위한 HD맵 업데이트 솔루션. 저비용 센서로 구성된 매핑 디바이스를 다수의 라이드 셰어링(Ride Sharing) 차량에 장착하여, 넓은 도심 지역의 도로 정보 변화를 동시다발적으로 확인하고 업데이트

 

도로 자율주행 핵심기술 #3 Localization on the road (도심 음영지역에서도 끊김 없는 정밀한 측위)
HD맵을 하나의 가상 센서처럼 활용하고 기존 LiDAR, Camera, 관성센서, Wheel Encoder 등의 다양한 센서로부터 획득된 정보를 매칭하기 때문에 복잡한 도심이나 터널 등 GPS 신호가 취약한 음영지역에서도 정확하고 안정적으로 도로 위의 현재 위치 추정 가능

 

도로 자율주행 핵심기술 #4 Perception & Prediction

LiDAR, Camera 및 Radar와 같은 다양한 센서와 딥러닝 기술을 활용하여 차량 주변의 차선 및 신호등, 교통 표지판 등의 도로 정보를 360도의 모든 방향으로 지속적으로 인지하고 주변 차량과 보행자의 이동 경로를 예측

 

도로 자율주행 핵심기술 #5 Planning & Control
현재 위치에 대한 정밀한 측위와 주변 환경 인지 결과를 바탕으로 주변의 움직임을 예측하고 목적지까지 가는 경로를 실시간으로 생성. 도로 자율주행 상황에서 신뢰성 있는 조향/속도 제어로 안정적인 경로 추종 가능