안녕하세요! 이호스트 ICT입니다 (opvp)
오늘은 지난 시간에 공부한 딥러닝과 관련지어 안녕하세요. 이 호스트 ICT입니다~!지금 서울은 기온이 영하 10도로 내려갈 정도로 매우 추운 날씨가… blog.naver.com 자율주행 딥러닝 기술 적용 전과 후의 차이점에 대해 알아봅시다!
지난 딥러닝은 기계 스스로 입력한 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고, 이를 바탕으로 의사결정이나 예측 등을 수행하는 기술이라고 설명했습니다.
현재 인공지능 분야가 빠르게 진화하는 거 여러분 아시죠?
인공지능 기술은 특정 산업에 종속되지 않고 다양한 산업에 활용할 수 있는 범용 기술입니다.
특히 응용분야가 명확하고 활용가치가 높은 자율주행 분야에 적용하여 자율주행기술이 빠르게 구현되고 있습니다!
자율주행 기술의 가장 큰 핵심은 ‘사물 인식 기술’입니다.
주변의 상황 인식에 의해서 충돌 방지/차선 이탈 방지/차간 거리 조절등의 기능을 실현합니다.
인식기술은 다양한 사물에 대한 높은 정밀도의 인식률과 그에 따른 실시간 처리가 필수적입니다.즉, 기술적 난이도가 굉장히 높다는 것이죠.
딥러닝 기술을 시각인식 기능에 적용시킨 후 어떻게 변화되었을까요?
다양한 사물을 높은 정밀도로 인식할 수 있으며, 주변 차량/보행자/표지판을 종류별로 인식할 수도 있습니다.
게다가 눈 또는 비가 내리는 기상 환경에서도 높은 정도를 보여주는 수준으로 기술이 향상되었다고 합니다!
또한 보행자의 움직임/차량의 진행방향/차도와 인도의 구분 이미지에서 인식된 사물의 문맥적 의미(Context Awareness)를 이해할 수 있습니다.
딥러닝 도입 전에는 다양한 센서로부터 복합적으로 수집한 정보를 종합적으로 분석해야 했던 부분이 이미지 정보만으로 가능해졌습니다.
딥러닝을 통한 이미지 인식 기술의 발전 (출처 : Image Net Challenge)
딥러닝 기술을 차량 주행 기능에 적용하기 전에 어땠을까요?
특화센서+전문가 위주로 구현된 경우 다수의 특화센서를 활용하여 기능을 구현하여 완결성, 안전성, 안정성을 극대화 시킬 수 있었지만 센서의 기능별, 완성도별, 가격 편차가 매우 커 각종 장비에 따라 가격이 결정됩니다.
규칙에 따른 방식으로 구현되었으며, 모든 상황이 규칙으로 정의되고 모델링된 후 소프트웨어로 구현되었습니다.자동차 분야 전문가들에 의존해 구현될 수밖에 없었습니다.
그렇기 때문에 전문성을 갖춘 인재가 한다고 해도 사람이 하는 것이기 때문에 굉장히 오랜 시간이 걸리고 도출된 규칙들을 지속적으로 테스트하고 검증해야 하기 때문에 비효율성,
모델링된 룰을 다른 나라에 적용하거나 기후적, 지역적으로 다른 환경에 즉시 적용할 수 없는 저확장성,
정교하게 모델링된 규칙이라도 주행 중 발생 가능한 모든 상황을 사전에 반영하는 것은 거의 불가능할 뿐만 아니라 돌발변수에 대한 예측 모델링은 매우 어려운 불완전성,
등등 여러가지 문제점이 나타나고 있습니다.
자율주행 중 전복된 트럭과 충돌
딥러닝 기술을 차량 주행 기능에 적용한 후에는 어떻게 바뀌었을까요?
범용 센서 + 딥러닝을 중심으로 구현할 때는 최소 범용 센서를 사용하여 딥러닝을 통해 제한된 정보를 지능적으로 분석하여 자율주행을 실현하므로 센서 비용이 훨씬 적게 듭니다.
카메라+딥러닝 중심으로 구현하더라도 딥러닝 기반의 고도화된 비전 기술을 활용하여 기능을 구현하기 때문에 비용이 훨씬 적게 들 뿐만 아니라 마치 ‘인간’처럼 시각지능만을 의존하여 자율주행을 구현할 수 있습니다.
딥러닝 기반 방식으로 구현되어 인공지능 소프트웨어+시각화를 지원하는 하드웨어 기업들로 구성되어 있습니다.
사람이 운전을 배워가는 과정과 비슷하며, 인공지능이 운전자의 주행과정을 관찰하고 운전하는 방법을 스스로 배우고 다른 차량의 주행데이터를 배웁니다.
물론 딥러닝 기반의 자율주행도 문제점이 있지만
각종 위험 상황이나 예측 곤란한 상황과 관련된 데이터 등의 주행 데이터의 양에 따라 한계가 있다는 것입니다.
거기서 완벽한 자율주행을 실현하기 위해서는 데이터의 중요성이 더해지게 됩니다!!
즉, 데이터센터의 중요성도 증대되는 것입니다. ⭐
서울특별시 금천구 가산디지탈2로 981동 509호 (가산동,롯데IT캐슬)
