자율주행 자동차의 원리
기뻐요.
덕업 일치를 목표로 하는 블로그
칼리지입니다.
미래의 자동차는 과연 어떤 모습으로 우리에게 다가올까요?
하늘을 나는 자동차를 상상하고 바다를 건너는 자동차도 상상하지만,
무엇보다 피부에 다가온 것은 바로 자율주행차입니다.
이번 포스팅에서는 요즘 뜨거운 화제입니다.
자동차 제조사는 물론 IT업체와 통신업체, 나아가 유통업체까지 경쟁에 뛰어들려고 노력한다.
자율주행차의 원리에 대해 포스팅해 보려고 합니다.
과연 어떤 원리로 스스로 주행할지
과연 안심하고 맡겨도 되는지,
기술은지금어디까지왔는지,
자율주행 자동차의 원리를 큰 틀에서 살펴봅시다.
그럼 시작하겠습니다.
자율주행자동차 원리의 핵심은 크게 세 가지로 구성돼 있습니다.
- 인지
- 인지는 주행 시의 도로 상황을 차량 스스로 인지하는 것입니다.
- 이를 이행하기 위해서는 감지장치 즉 센서가 필요한데,
- 그 주된 역할을 하는 것이 라이더입니다.
라이더는 레이저를 이용하여 전방 사물의 형태 및 원근감을 인지시키는 센서로,
레이더와 카메라가 인식할 수 없는 세세한 부분까지 구분하는 장치입니다.
자율주행자동차의 원리에 따른 주의사항이라고도 할 수 있습니다.
라이더와 레이더의 차이점을 조금 얘기해 볼게요.
주변의 사물을 인식하는데 있어서 레이더는 단층 전자파를 사용합니다.
그렇기 때문에 인식하는 영역이 좁거나 제한적일 수밖에 없습니다.
예를 들어 자율주행자동차에 장착된 레이더가 전방으로 향하고 있다면
바닥에 붙어있는 작은 물체는 인지할 수 없는 형식입니다.
게다가 레이더는 결과값을 송출할 때 움직이는 물건만을 계산합니다.
센싱된 결과값 중 움직이지 않는 물건은 제외시키는 형식입니다.
이유는 여러가지가 있지만
가장 큰 것은 프로세싱의 한계 때문에 효율성을 극대화하기 위해서입니다.
하지만 라이더는 달라요.우선 단층이 아니라 16 층의 레이저를 사용하여 360도 주변의 것을 인식합니다.
또한 움직이는 것이든 정지하고 있는 것이든 모두 계산하여 결과치를 도출합니다.
단층 레이어로 구성된 레이더에 비해 16층 레이어를 사용하고 있으므로
정확도 측면에서 16배 정확하다고 생각하면 편할 것 같습니다.
하지만 라이더는 레이더에 비해 가격이 매우 높다는 단점이 있습니다.(라이더 센서에 관한 좀 더 정확한 이야기는 추후 따로 포스팅 할 예정입니다.)
큰 틀에서 보면 레이더가 전방의 사물의 유무를 판단하고 라이더가 사물의 구체적인 형태를 파악하면
그 결과값을 제어 영역인 AI로 전송해 사람인지 물건인지를 구분하는 원리입니다.
결국 라이다 센서를 중심으로 레이더와 카메라가 보조해주는 형태이기 때문에 이해하시면 쉬울 것 같습니다.
2. 제어
자율주행 자동차 원리의 실행 영역에 해당하는 것이 제어입니다.
앞서 언급한 인지 영역의 센서가 열심히 주변 사물과 전방 지형을 숫자로 계산하면
인지영역에서 송신된 각 센서의 결과값을 컴퓨터 AI가 대입·해석하여
스티어링 휠과 브레이크, 액셀 등을 제어해 주행과 정지, 회전 여부를 판단한 후
실행하는 것입니다.
그래서 AI에 학습된 데이터 양이 얼마나 되는지 AI 컴퓨팅의 속도 여부가
자율주행차의 수준을 결정짓는 가장 중요한 요소가 되는 겁니다.
그런데 여기서 학습이라는 것이 굉장히 중요하고 동시에 해결하기 어려운 부분입니다.
자동차 운행이라는 것은 예측할 수 없는 여러 변수의 연장선입니다.
특히 자율주행 자동차라고 하면 더욱 그렇습니다.
예를 들어 주행 중 앞차가 급정거하거나 야생동물이 튀어나오는 경우부터
해당 사건이 사전에 학습되었다면 문제는 없지만,
학습할 수 없다면 아무런 대응도 하지 못한 채 사고로 이어지게 됩니다.
최근 미국 고속도로에 전복된 트럭을 오토파일럿으로 주행하던 테슬라가 충돌한 사건도 같은 맥락이라고 할 수 있습니다.
‘고속도로 상에 전복된 트럭’이라는 변수가 학습되지 않은 상태였기 때문입니다.
그래서 딥러닝 기술의 발전 속도와 자율주행차 수준의 상승은 비례한다고도 할 수 있습니다.
하지만 아직 인간과 가까운 Ai딥러닝이 이루어지지 않았기 때문에
이것을 보조할 수 있는 하나의 요소가 반드시 필요한데 그것이 측위 영역입니다.
3) 측위
현시점에서의 자동차 자율주행은 측위를 반드시 필요로 합니다.
측위는 간단하게는 지도의 정확한 gps 위치를 말합니다.
인지영역에서 받은 결과값을 제어영역의 ai가 도출했다고 해도
결국 전방과 주변 물건의 유무정도의 계산이므로 위치값을 반드시 필요로 합니다.
우리가 자율주행차를 타고 어떤 출발지에서 어떤 목적지로 향할 때
차량의 위치를 나타내는 gps가 현재 출발 지점을 ai에 전달하고,
목적지까지 운행할 때 길안내를 담당해 줍니다.
우리가 한번도 가보지 못한 곳을 운전해서 가려고 할 때 내비게이션의 도움을 받는 것처럼
Ai 역시 마찬가지입니다.
운전자를 대신하더라도 결국 위치정보, 도로정보, 해당 도로의 교통법규 등
길 안내에 대한 정보가 없으면 목적지에 정확히 도착할 수 없습니다.
자율주행 자동차 원리의 길안내와 같은 맥락입니다.
향후 ai의 딥러닝 기술이 발전하게 되더라도 측위 영역의 역할은 필요하게 됩니다.
현재 gps 위치의 포인트 오차율은 5m~10m 정도입니다만,
예를 들어 자율주행자동차가 교차로에서 신호를 받아 좌회전하는 정도가 되려면
위치 포인트 오차율이 50cm 이내로 들어가야 합니다.
그래서 완전한 자율주행이 가능하려면
gps 기술, 즉 측위에 해당하는 영역이 더 중요해지는 것입니다.
각 레벨에 따른 자율성 확대 자율주행 자동차의 원리를 이야기하다 보면 자연스럽게 신경이 쓰이는 것이
자율주행 레벨입니다.
1단계부터 5단계까지 구분된 것으로 각 단계마다 운전자의 개입도가 다른 것을 말합니다.
그런데 문제는 이 단계를 나누는 완벽한 기준이 사실상 아직 없다고 봐야 한다는 겁니다.
제조사가 주장하는 자율주행 수준과 실제 운전자가 체감하는 자율성에 차이가 있기 때문입니다.
테슬라 오토파일럿이 제조사에서는 레벨4라고 주장하지만
전문가들의 주장으로는 레벨3에 가깝다고 의견이 엇갈리는 것도 같은 맥락입니다.
또, 자율주행 시에 일어나는 사고에 관해서는
법적 책임소재에 대한 분쟁이 상당한 편입니다.
현재는 레벨 3까지의 자율주행차 사고는 제조사 책임으로 법이 정해져 있으며,
업체들이 섣불리 등급을 올리지 않는 분위기가 조성되고 있습니다.
제가 준비한 것은 여기까지 입니다.
자율주행차의 원리에 대한 이야기 중 큰 틀의 이해를 필요로 하는 분들에게 도움이 되는 정보였기를 희망합니다.
자율주행 자동차의 원리
방문해주신 여러분께 항상 양질의 정보를 전달하는 블로그가 되도록 노력하겠습니다.
읽어주셔서 감사합니다.
카디널이었습니다.