안녕하세요! E호스트 ICT입니다( vv))♡
오늘은 저번에 공부했던 딥러닝과 연관지어 안녕하세요. E-HostICT입니다~!지금 서울은 기온이 영하 10도로 내려갈 정도로 굉장히 추운 날씨가… blog.naver.com 자율주행 딥러닝 기술 적용 전후 차이에 대해 소개하겠습니다!
지난 시간에 딥러닝은 기계 스스로 입력된 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고 이를 바탕으로 한 의사결정이나 예측 등을 수행하는 기술이라고 설명했습니다.
현재 인공지능(AI) 분야가 매우 빠르게 진화하는 추세라는 건 다들 알고 계시죠?!
인공지능 기술은 특정 산업에 종속되지 않고 다양한 산업에 활용할 수 있는 범용 기술입니다.
특히 응용 분야가 명확하고 활용 가치가 높은 자율주행 분야에 적용하면서 자율주행 기술이 빠르게 구현되고 있습니다!
자율주행 기술의 가장 핵심은 사물인식 기술입니다.
주변상황인식을 통해 충돌방지/차선이탈방지/차간거리조절 등의 기능을 구현합니다.
인식 기술은 다양한 사물에 대한 높은 정밀도의 인식률과 그에 따른 실시간 처리가 불가결합니다.즉, 기술적 난이도가 매우 높다는 거죠!
딥러닝 기술을 시각인식 기능에 적용한 후에는 어떻게 달라졌을까요?
다양한 것을 높은 정확도로 인식 가능해져 주변 차량/보행자/표지를 종류별로 인식할 수도 있습니다.
게다가 눈이나 비가 내리는 기상 환경에서 높은 정확도를 나타내는 수준까지 기술이 향상되었다고 합니다!
또한 보행자의 움직임/차량 진행 방향/차도와 보도의 구분 이미지 내에서 인식된 사물의 문맥적 의미(Context Awareness)를 이해할 수 있습니다.
딥러닝 도입 전에는 다양한 센서로 복합적으로 수집된 정보를 종합적으로 분석해야만 가능했던 부분이 이미지 정보만으로 가능해진 겁니다!
딥러닝을 통한 이미지 인식 기술 발전(출처: ImageNetChallenge)
딥러닝 기술을 자동차 주행 기능에 적용하기 전에는 어땠을까요?
특화센서+전문가 중심으로 구현했을 때는 다수의 특화센서를 활용하여 기능을 구현하여 완결성, 안전성, 안정성을 극대화시킬 수는 있었으나 센서의 기능별, 완성도별, 가격편차가 매우 커서 각종 장비에 따라 가격이 결정됩니다.
규칙 기반 방법으로 구현되었으며 모든 상황이 규칙으로 정의되고 모델링된 후 소프트웨어로 구현되었습니다.자동차 분야 전문가에 의존해 구현될 수밖에 없었습니다.
그렇기 때문에 전문성을 갖춘 인력이 한다고 하더라도 사람이 하는 것이기 때문에 굉장히 오랜 시간이 걸리고 도출된 규칙을 지속적으로 테스트 및 검증해야 하기 때문에 비효율성,
모델링된 규칙을 다른 나라에 적용하거나 기후적/지역적으로 다른 환경에 직접 적용하기 어려운 저확장성,
정교하게 모델링된 규칙이라 하더라도 주행 중 발생할 수 있는 모든 상황을 사전에 반영하는 것은 거의 불가능할 뿐만 아니라 돌발 변수에 대한 예측 모델링은 매우 어려운 불완전성
등등 여러 문제점이 나타났습니다.
자율주행차 운행 중 전복된 트럭과 충돌
딥러닝 기술을 차량 주행 기능에 적용한 후에는 어떻게 달라졌을까요?
범용 센서+딥러닝 위주로 구현한 경우 최소한의 범용 센서를 사용하여 딥러닝을 통해 제한된 정보를 지능적으로 분석하고 자율주행을 구현하기 때문에 센서 비용이 훨씬 적게 듭니다.
카메라+딥러닝 위주로 구현했을 때도 딥러닝 기반의 고도화된 비전 기술을 활용해 기능을 구현하기 때문에 비용이 훨씬 적게 들 뿐 아니라 마치 ‘인간’처럼 시각지능에만 의존해 자율주행 구현이 가능합니다.
딥러닝 기반 방법으로 구현되었으며 인공지능 소프트웨어 + 시각화 지원 하드웨어 기업으로 구성되어 있습니다.
사람이 운전을 배워가는 과정과 비슷해 인공지능이 운전자의 주행 과정을 관찰하면서 운전하는 법을 스스로 학습하고 다른 차량의 주행 데이터를 학습합니다.
물론 딥러닝 기반의 자율주행도 문제점이 따르겠지만요.
각종 위험 상황과 예측하기 어려운 상황과 관련된 데이터 등 주행 데이터량에 따라 한계점이 있다는 것입니다.
따라서 완벽한 자율주행을 실현하기 위해서는 데이터의 중요성이 높아집니다!!
즉, 데이터 센터의 중요성도 높아진다는 것입니다. ⭐
서울특별시 금천구 가산디지털2로 981동 509호 (가산동,롯데IT캐슬)
