시야 기술에 대해서

자율주행 자동차 개발에서 레이더와 LIDAR 센서의 역할에 대해서는 이제 많이들 알 것이다.

이번 글에서는 세 번째 디스플레이 기술을 살펴보도록 하겠다. 카메라 이미지에서 물체나 패턴을 인식할 수 있는 능력을 제공하는 것은 딥러닝이라는 인공지능의 형태를 포함한다. 딥러닝의 기본 개념은 신경망을 이용해 수백, 수천 개의 예에서 정답을 검토한 뒤 그 경험을 활용해 새로운 상황에서 유사한 문제를 해결하는 알고리즘을 만드는 것이다. 마찬가지로 딥러ㅣㅇ을 통해 정지 기호의 이미지를 본질적인 부분, 즉 기호의 형태, 색상, 그리고 제시된 정보를 올바르게 해석할 수 있도록 "정지"라는 단어로 분해하는 또 다른 알고리즘을 개발할 수 있다. 두 경우 모두 훈련 중에 특징과 행동 사이의 매핑이 설정된다. 레벨 4 또는 5 자율주행차에 대한 딥 러닝 과제의 복잡성에 대한 아이디어를 얻으려면 수백만 개의 이미지를 사용하는 개체 범주 위치와 탐지의 벤치마크인 ILSVRC를 고려해야한다. 상위 5개 오류율, 모델에서 가장 가능성이 높은 5개 라벨 중 올바른 라벨이 아닌 테스트 영상의 비율은 10%이다. 따라서 카메라 이미지를 올바르게 해석하는 것이 어렵다는 점을 감안할 때 레이더, 레이저 또는 머신 비전 중 어떤 센서 기술이 이기고 있는지 궁금할 수 있다. 정답은 모두 세 가지다. 자율주행차에 중복성을 부여하기 위해서는 다음 세 가지 센서 기술을 모두 사용해야 한다. 1. 즉시 주변 환경에 대한 정확한 지도를 개발하고, 2. 오류 없이 필요한 상황 인식을 제공하고, 3. 안전하고 주행 가능한 경로를 결정하고, 교통 시 기동하며, 충돌을 피한다. 자율주행 자동차에 대한 딥러닝 알고리즘을 성공적으로 고안해야 하는 어려움에 더해, 도로에서 다른 차와 함께 주행하는 것과 없는 것은 전혀 다른 문제라는 현실 세계의 사실이다. 즉, 전자는 예측할 수 없는 움직임을 설명해야 한다. "정책"을 개발할 필요성, 즉 4방향 정류장에서 무엇을 해야 하는지, 또는 빨간색으로 우회전할 때 무엇을 해야 하는지, 그러면 여러분은 이것이 이미 도전하고 있는 기계 학습 과제를 어떻게 복잡하게 만드는지를 빠르게 이해할 수 있다. 본능은 해야 할 일이 많이 남았다는 것을 암시하며, 실제로 정책은 인간 운전자들이 어떻게 행동하는지 예측할 수 없는 특성 때문에 기계 비전 알고리즘의 아킬레스건이 될 수도 있다. 다른 방법이 없을까? 자동차 산업을 위한 카메라, 하드웨어, 소프트웨어를 개발하는 이스라엘에 본사를 둔 회사인 모바일은 그렇게 생각한다. 인텔이 최근 153억 달러에 인수한 모빌아이는 칩 가공과 함께 차량 주위로 8대의 카메라를 장착하는 시스템에 희망을 걸고 있다. 2018년부터 시작되는 모빌아이의 노력의 핵심은 고화질 지도를 만들기 위한 데이터 크라우드소싱과 더불어 운전 결정의 기초가 되는 주행 정책 인텔리전스다. 현재 의 3D 지도는 레이저 스캔을 통해 이루어지며, 미국 도로를 주행하는 자동차들의 비행대가 있다. 그러나 그것은 매우 시간과 인력 집약적인 작업이다. 그리고 미국의 도로망은 4백만 마일의 도로를 가지고 있기 때문에, 비록 많은 자동차들이 있다고 해도 이것은 꽤 시간이 걸릴 수 있다. 모빌아이는 크라우드 소싱 실시간 데이터를 정밀한 현지화, 고화질 차선 데이터를 활용해 완전 자율주행을 지원하는 '도로체험관리'라는 답을 내놓았다. 일반적인 디지털 지도는 도로, 교차점 및 지구물리학적 랜드마크를 보여주는 반면, 이 지도들은 센티미터 단위의 정밀도를 가지고 있다. 다음 방법도 있다. 수백만 대의 전면 카메라가 차량에 설치될 예정인 이 아이디어는 이 카메라를 AI가 내장된 카메라와 함께 사용하여 주요 도로 표지판을 찾아 결과를 클라우드로 전송한 후 분석하여 방금 이동한 도로에 대한 최신 지도를 다시 전송하는 것이다. 모빌아이에 따르면, 필요한 고화질 지도 정확도를 얻으려면 주어진 도로를 주행하는 차량 9대만 있으면 된다. 모빌아이는 클라우드로의 데이터 전송 속도가 당신이 상상하는 것만큼 높지 않을 것이라고 주장한다: 도로의 km 당 10kB 또는 100km 당 1mB. 그 카메라의 AI는 전송 속도를 관리할 수 있게 하는 중요하지 않은 데이터를 분석할 것이다. 캡처한 이미지를 유용한 데이터로 변환하려면 엄청난 양의 컴퓨팅 성능이 필요할 것이다. 모빌아이의 현재 칩인 EyeQ4는 2018년 대량 생산 준비가 완료되며, 간헐적인 인적 개입만으로 자가 주행 능력인 레벨 3 자동화를 지원하기 위한 것이다. 이에 대한 비판적인 반응 하나를 소개해본다. "전형적인 가짜 과장 광고다. 딥러닝은 있지만 자율주행과는 전혀 상관이 없다. 딥러닝이 무엇을 위한 것이며 무엇을 하는지는 엄청난 양의 데이터를 분석하여 인간이 발견하기 위한 시간적 여유가 없거나 많은 사람들이 전체 데이터 덩어리를 훑어본 패턴을 발견하는 데 도움을 준다. 하지만 실시간으로 사용하기에는 너무 느리다. 그것은 자율적인 차량이 존재하기 몇 년 전에 이루어져야 하며, 시각적 영상에서 사람이나 다른 물체를 식별하는 데 효과가 있는 알고리즘을 발견하는 것은 전혀 확신할 수 없다. 또한 그러한 알고리즘이 발견되더라도, 속도나 방향과 같은 것들을 판단하기 위해 이미지들 사이의 차이점 문제를 여전히 포함시키지 않을 것이기 때문에, 실제로 도움이 되지 않을 것이다. 분명히 이 기사의 의도는 컴퓨터가 지능화되고 있다는 거짓을 암시하는 것이며, 결과적으로 자율 차량을 안전하게 운전할 수 있게 될 것이며, 그 어떤 것도 사실과 크게 다르지 않을 것이다. 그것은 결코 일어나지 않을 것이고 결코 가능하지 않을 것이다. 컴퓨터는 결코 인간의 두뇌의 거대한 평행성을 갖지 못할 것이며, 현실 세계에 필요한 문맥을 시뮬레이션할 수 없을 것이다."