일본산업뉴스요약

Nikkei X-TECH_2020.7.10

고정밀 3D 지도 없이도 교차점 인식
일반도로의 자율주행에 커다란 한 걸음이 될 수 있을까?

“차량의 교통량이 적은 과소(過疎)지역에서는 고정밀 3D 지도 작성에 상당한 시간이 걸릴 것이다. 하지만 과소지역은 고령자가 많아 자율주행에 대한 수요가 높다. 고정밀 3D 지도 없이도 교차점을 인식할 수 있는 기술이 요구되고 있다”. 미국 NVIDIA 일본법인에서 시니어 솔루션 아키텍트를 맡고 있는 무로카와(室河) 씨는 NVIDIA가 AI로 교차점을 인식하는 기술을 개발한 배경에 대해 이렇게 설명한다.

무로카와 씨에 따르면 자율주행차가 교차점을 주행하기 위해서는 대상인 교차점이 어디에서 들어가 어디로 나가는지, 다른 차량이 어디에서 들어올 가능성이 있는지, 어디에 횡단보도가 있고, 어디에서 차량을 정지시켜야 할지 등, 교차점의 구조를 인식하지 않으면 안 된다. 이 때문에 지금까지 주류는 교차점과 그 주변의 고정밀 3D 지도를 이용하는 방법이었다.

하지만 이러한 용도로 고정밀 3D 지도를 이용하기 위해서는 교차점의 진입선/이탈선, 차량의 구분선(차선 경계선이나 차도 외측선 등), 신호기 및 표식의 배치, 각 방향의 차선 수 등 교차점마다 그 구조적 특징을 수동으로 라벨링 할 필요가 있었다. 대상인 교차점 수만큼 그에 대한 정보 수집 및 라벨링 작업이 필요하기 때문에 많은 노력과 비용이 소요되어 전세계의 모든 교차점에 대응한다는 것은 어려웠다. 또한 도로 공사 등 교차점에 일시적 변화가 발생한 경우 등을 반영해 나중에 다시 되돌리는 등의 번잡한 작업이 요구되는 과제도 있었다.

이러한 과제들을 해결하기 위해 이번에 NVIDIA가 개발한 것은 주행 중 실시간으로 교차점의 구조를 인식하는 전용 뉴럴 네트워크(NN)이다. 무로카와 씨에 따르면 이것은 NVIDIA가 북미, 유럽, 중국, 일본 등 각지에서 수집한 다양한 교차점 영상에 라벨을 붙여 학습시킨 NN이다. 학습용 영상은 어디에 교차점의 입구와 출구가 있는지를 라벨링하는 정도로, 고정밀 3D 지도를 작성할 때보다는 라벨링 작업에 비용과 노력이 소요되지 않는다고 한다.

NVIDIA가 개발한 NN의 최대 특징은 교차점을 점과 선의 집합으로서 단순화해 인식한다는 점이다. 자기 차량의 교차점으로의 진입 정지선을 황색으로 하는 등, 구조를 각각 색으로 표현된 점과 선으로 인식, 자기 차량이 빨간 색에서 녹색으로 향하는 복수의 경로를 선택할 수 있다는 것을 파악할 수 있다.

다만 교차점 구조를 인식하는 이 NN만으로는 교차점을 포함한 일반도로의 자율주행은 불가능하다. NVIDIA는 신호, 표식, 경로(구획선), 장애물(주위의 차량 및 보행자 등을 포함) 등을 인식하는 각각의 전용 NN과 조합해 사용하는 것을 상정. NVIDIA의 자율주행용 플랫폼 ‘DRIVE’’에는 그런 NN이 다수 마련되어 있다.

DRIVE에는 차량용 SoC(System on Chip) ‘Xavier’(현행 제품), ‘Orin’(차세대 제품) 등 하드웨어도 라인업 되어 있으며, 상기의 NN은 차량용 SoC 상에서 가동된다. 또한 각 NN은 그대로 이용하는 것도, 이용자가 추가 학습시킨 후에 이용하는 것도 가능하다고 한다.

NDIVIA에 따르면, 이번 교차점 인식 NN은 차량이 정지하고 대기하지 않으면 안 되는 상황을 인식하는 ‘WaitNet DNN’의 업그레이드 버전으로서 제공될 예정이다. 시기는 아직 공개되지 않았지만, 반년 후에서 1년 후 정도에 도입될 것으로 보인다.

 -- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved