현황 정리 자율주행 관련

 1. 자율주행 상용화 전망 및 현황

① 컨설팅 회사 ATKerney에 따르면 자율주행 상용화는 2030년 기준 운전자에게 고속도로 주행 중 연간 최대 1.9조 분의 자유시간이 주어질 것으로 예상됐다.

② IHS, LMC Automotive에 따르면 20302. 자율주행원리

① 자율주행이란 교통수단이 사람의 조작없이 스스로 판단하여 운행하는 시스템으로 인지(Perception) – 측위(Localization) – 경로계획(Path Planning) – 제어(Control)의 메커니즘을 거쳐 작동

② 1939년 처음으로 자율주행 개념이 처음 소개됐고, 2000년대 중반 미국 내 군장비 무인화, 딥러닝을 이용한 인공지능 기술 연구가 급진전되면서 자율주행차 연구도 과속이 됐다.

3. 테슬라의 자율주행 독자기술

1) 주요 세부기술 테슬라의 자율주행기술은 인식-측위-판단-제어 전 과정을 자체 기술력에 기초한 도자적인 방향을 구축하고 있으며, 그 세부기술은 다음과 같다.

① 차량의 두뇌 역할을 하는 FSD 칩의(HW 3.0) 자체 개발 ② 주행 데이터 수집에 기반한 인공신경망(Hydranet) 설계와 훈련 프로그램 구축(Dojo) ③ Lidar에 의존하지 않는 인식(Pseudo-Lidar) 역량 강화 ④ FSD 칩 내 중앙집중형 ECU 아키텍처 구현을 통한 OTA(iver-t 제공

2) 각 기술의 설명

① 자율주행 인공지능 훈련의 두 가지 접근방식

첫째, 테슬라 방식은 사전 정보 없이 카메라와 센서에 입력된 이미지 기반으로 주행하며, 인간과 유사하게 직관적으로 대처하는 방식을 추구한다==> 자사 차량의 주행 데이터를 수집하여 데이터 센터에서 관리, 이를 기반으로 실제 운전자의 주행 패턴을 흉내내는 모방 학습 메커니즘 활용==> 테슬라의 누적 주행 데이터는 2021년 1월 기준 51.3억 마일 전망, 이를 기반으로 실제 운전자의 주행 패턴을 따라하는 모방하는 모방 학습 메커니즘 활용 ==> 테슬라의 누적 학습 메커니즘의 활용

둘째, 웨이모, 모셔널 등은 MMS를 장착한 차량이나 위성 등이 고화질 지도를 제작하여 도로상황이나 지형정보를 획득한 후 차량은 Lidar, 카메라, 센서 등을 활용해 주행하는 방식

==> 주요 업체별 주행거리는 웨이모(2021년 기준) 2천만 마일, 바이두(2019년 기준) 180만 마일, 모셔널(19년 기준) 100만 마일 등 아직 데이터 축적이 부족한 상황

vs 모방학습(역강화학습)

웨이모, 모셔널 등의 학습 메커니즘은 시뮬레이터 내에 주어진 보상함수(ex, 사고발생=-100점, 안전주행=100점)의 조건하에서 반복훈련을 통해 차량의 행동을 안전주행으로 이끄는 강화학습의 성격이 강하며, 테슬라 훈련은 운전자의 주행데이터에 기초한 모방학습에 초점이 있다.

(LIDAR) vs 레이더(LADAR)

== 자율주행차는 인식용 영상센서로 주로 라이더를 사용하는데 이는 라이더라는 빛을 보낸 뒤 물체로 반사돼 돌아오는 빛에너지를 분석하고 3차원 정보를 인식해 입체정보를 인식할 수 있다는 점에서 자율주행 인식 도구로 유용한 라이더의 최대 단점은 비싼 가격과 전력소모.과거 웨이모 자율 주행차에 장착됐던 라이더의 가격은 7만5천달러 수준이다

==> 한편 레이더는 전자기파가 물체에 반사되어 돌아오는 정보를 수신하는 원리로써 저가, 날씨 등의 영향을 받지 않는 장점에도 불구하고 물체의 존재만을 인식하는 한계

==> 테슬라는 차량용 센서 사용에도 독자적인 전개로, 자사 차량에 카메라 8개, 초음파 센서, 레이더만 탑재

==> 테슬라 자율주행 Director Andrej Karpathy 도 Machine Learning Conference 2020에서 유사 라이더(Pseudo LiDAR) 기술을 활용하고 있다고 언급하며 카메라 이미지의 깊이를 측정한 후 표현방법을 조정하여 Lidar에 동등한 기술을 구현할 수 있을 것

④ HW 4.0, Software 2.0==> 테슬라는 차세대 칩 HW 4.0을 내년 4분기 양산을 목표로 개발중.브로드컴과 협업하여 디자인하고 TSMC를 통해 제작하는 것으로 알려져 있으며, 7nm 공정, 제작비 절감, 사용 전력량 절감 등 새로운 기능이 적용될 것으로 예상된다.

==> Software 2.0이 도입되고 Bird’s Eye View신경망이 도입되어 각각 카메라로 인식한 2D 이미지가 Fusion layer와 BEV 신경망을 거쳐 인공지능이 주행영역, 분리구간 등을 자체 예측하여 조감도를 생성하여 보다 높은 이미지 인식 구현

⑤ 테슬라 자율주행 인공신경망 Hydranet==> 테슬라는 판단력 강화를 위해 인공신경망에 기초한 딥러닝 방식을 적극 활용하고, Hydranet은 인식한 이미지의 대분류(Classification)를 거친 후 상호간 이미지 특징치를 종합. 그 후, 상세한 처리를 거쳐 이미지를 분석. 8개의 카메라가 동시에 인식하는 이미지를 통합하기 위한 데이터 및 모델 병렬 처리 기술이 요구

⑥ 슈퍼컴퓨터 Dojo의 등장==>인공신경망 Hydranet의 이미지 처리 역량은 자기지도학습(self-supervised learning)으로 발전했으며 훈련용 슈퍼컴퓨터 Dojo의 역할도 주목. Dojo는 가속화된 자기지도학습을 통해 신경망을 훈련시키는 프로그램으로 신경망의 성능을 인간의 라벨링 없이 향상시킬 수 있다는 점에서 차별화.

⑦ 완전 자율주행 (Full Self Driving) 공개 ==> 테슬라는 지난해 10월 22일 완전 자율주행 기능을 일부 사용자에게 베타버전으로 공개, FSD 옵션 가격을 기존의 8천달러에서 2천달러 인상하기로 결정하고, 이번 업데이트를 통한 자사 자율주행 완성도에 대한 자신감 표현과 인식

참고 자료:자동 운전이 행복한 키움 증권년 기준 Level 2+ 탑재 차량은 6,900만 대 수준으로 성장할 것으로 예상되며, 2040년 이후에는 완전 자율주행 차량의 대중화가 기대된다.