인공지능(AI) 기계학습(ML)기술은 인간과 유사한 추론에 기반한 자율주행 모델링에 활용된다.

인간처럼 추론할 수 있는 무인 자동차를 만드는 것은 웨이모(Waymo), GM 의 크루즈(Cruise), 우버(Uber) 등이 오랜 기간 연구해온 분야다. 인텔의 모빌아이(Mobileye)는 수학적 모델 RSS(Responsibility-Sensitive Safety)를 제안했다. 이 모델은 다른 차량에 올바른 권리를 부여하는 것과 같은 좋은 운전습관을 체계화한 도로 위(on-the-road) 의사결정에 대한 상식적 접근법이다. 엔비디아(Nvidia)는 실시간 센서 데이터를 분석해 안전하지 않은 작업을 모니터링하는 모션-계획 스텍의 의사결정 정책(Safety Force Field) 적극적으로 개발하고 있다.

23일(현지시간) 미국 온라인매체 벤처비트(venturebeat)에따르면 MIT 연구진은 GPS와 같은 지도와 시각적 데이터를 활용, 운전자 조향 패턴을 학습하고 새로운 환경에서 복잡한 노선에 학습된 지식을 적용 할 수 있는 자율주행 모델링을 연구하고 있다. 다음 달 캘리포니아주 롱 비치에서 열리는 ‘로보틱스 오토메이션 국제회의’에서 발표될 이번 연구는 컴퓨터과학 및 인공지능연구소(CSAIL)의 다니엘 루스(Daniel Rus) 디렉터가 설계한 엔드-투-엔드 네비게이션 시스템을 기반으로 한다.

루스와 동료연구자들의 이전 모델은 목적지 설정 없이 도로를 따라 주행하는 모델이었다. 새 모델은 사전 정의된 장소들에 근거했다.

MIT의 대학원생 알렉산더 아미니(Alexander Amini)는 “우리 시스템을 사용하면 사전에 모든 도로에서 훈련 할 필요가 없다”며 “전에 보지 못했던 길을 탐색 할 수 있는 새로운 지도를 다운로드 할 수 있다”고 말했다.

연구팀은 AI 시스템이 인간 운전자로부터 운전하는 방법을 보고 배우며 스티어링휠 회전을 카메라와 입력된 지도를 통해 관찰하는 도로 곡률과 연관시킨다. 결국 직선 도로, 4방향 또는 T 자형 교차로, 분기점 및 로터리와 같은 다양한 주행 상황에 대해 가장 가능성이 높은 조향법을 알게 된다.

실험에서 연구자는 기계학습 모델에 무작위로 선택한 경로가 있는 지도를 제공했다. 실제 운전 중에 시스템은 카메라의 시각적 기능을 통해 추출한 멀리 있는 정지신호 및 도로 측면 차선 바꿈과 같은 도로 구조를 예측할 수 있었다. 또한 시각 데이터를 지도 데이터와 연관시켜 불일치를 식별함으로써 도로상의 위치를 보다 잘 파악하고 가장 안전한 경로로 주행하도록 했다. 예를 들어, 직진 도로에서 방향전환 없이 주행할 때, 지도에서 우회전이 필요하다고 표시한 경우 차는 계속 주행해야 함을 알고 있었다.

아미니는 “현실 세계에서는 센서가 작동하지 않을 수 있다”며 “우리는 이 잡음이 많은 입력을 받아들이고 도로에서 올바르게 탐색하고 현지화 할 수 있는 시스템을 구축해 서로 다른 센서의 여러 에러에 대해 시스템이 견고함을 확인하고자한다”고 말했다.