AI 모델 및 플랫폼
자율 주행 차량에서 지형 상대 항법을 위한 알고리즘 활성화
Unite.AI를 Google의 선호 소스에 추가
캘리포니아 공과大学(Caltech)의 연구자들이 개발한 새로운 딥 러닝 알고리즘은 자율 시스템이 주변 지형을 관찰하여 자신의 위치를 인식할 수 있도록 합니다. 이 기술은 처음으로 계절 변화에 관계없이 작동할 수 있습니다.
이 연구는 6월 23일 미국 과학 진보 협회(AAAS)가 발행하는 Science Robotics 저널에 발표되었습니다.
시각 지형 상대 항법
이 과정은 시각 지형 상대 항법(Visual Terrain-Relative Navigation, VTRN)이라고 불리며, 1960년대에 처음 개발되었습니다. 자율 시스템은 근처 지형과 고해상도 위성 이미지의 비교를 통해 VTRN을 통해 자신의 위치를 찾을 수 있습니다.
그러나 현재의 VTRN은 관찰하는 지형이 데이터베이스에 있는 이미지와 거의 일치해야 합니다. 눈이나 낙엽과 같은 지형의 변경은 시스템이 실패할 수 있습니다. 즉, VTRN 시스템은 쉽게 혼동될 수 있으며, 모든 가능한 조건下的 풍경 이미지 데이터베이스가 필요합니다.
이 프로젝트에 참여한 팀은 Bren 교수이자 제트 추력 연구소(JPL)의 연구 과학자인 Soon-Jo Chung의 연구실에서 왔습니다. 팀은 VTRN 시스템에서 문제가 될 수 있는 계절 콘텐츠를 제거하기 위해 딥 러닝과 인공 지능(AI)을 사용했습니다.
Anthony Fragoso는 강사이자 연구 과학자이며, Science Robotics 논문의 주요 저자입니다.
“현재 기술의 규칙은 위성 이미지와 자율 주행 차량의 이미지 모두가 동일한 콘텐츠를 가지고 있어야 한다는 것입니다. 처리할 수 있는 차이는 인스타그램 필터가 이미지의 색조를 변경하는 것과 비슷합니다.”라고 Fragoso는 말합니다. “그러나 실제 시스템에서는 계절에 따라 많은 변화가 발생하여 이미지에 동일한 객체가 포함되지 않습니다.”
https://www.youtube.com/watch?v=U5Kr0YI3sec
자율 주행 학습
이 과정은 Chung과 Fragoso가 협력하여 개발했으며, 대학원생 Connor Lee와 학부생 Austin McCoy가 참여했습니다. 이 과정은 “자율 주행 학습”을 사용합니다.
대부분의 컴퓨터 비전 전략에서와 같이 인간 주석자가 큰 데이터 세트를 수집하여 알고리즘이 무언가를 인식하는 방법을 가르치는 대신, 이 과정은 알고리즘이 스스로를 가르칩니다. AI는 인간의 눈으로는 놓칠 수 있는 세부 사항과 특징을 찾아내는 패턴을 이미지에서 찾습니다.
새로운 시스템을 현재의 VTRN에 보충하면 더 정확한 위치를 제공할 수 있습니다. 한 실험에서는 연구자들이夏의 잎과 겨울의 잎이 없는 이미지에 대한 상관 기반 VTRN 기술을 사용하여 위치를 찾으려고 했습니다. 50%의 시도에서 탐색 실패가 발생했지만, 새로운 알고리즘을 VTRN에 삽입한 후 92%의 시도가 성공적으로 일치되었으며, 나머지 8%는 미리 문제가 될 수 있음을 알 수 있었습니다.
“컴퓨터는 우리가 볼 수 없는 패턴을 찾을 수 있으며, 가장 작은 경향도 감지할 수 있습니다.”라고 Lee는 말합니다. “VTRN은 일반적인 어려운 환경에서 불가능한 기술이 될 위기에 있었습니다. 우리는 수십 년간의 문제 해결 작업을 구했습니다.”
우주에서의 응용
새로운 시스템은 지구上的 자율 드론뿐만 아니라 우주 임무에서도 사용될 수 있습니다. JPL의 Mars 2020 Perseverance 로버 임무는 Jezero Crater에서의 진입, 하강, 着陸에서 VTRN을 사용했습니다. 이는 이전에 안전한 진입으로 간주되지 않았습니다.
Chung에 따르면, Perseverance와 같은 로버의 경우, “지구와 화성 사이의 전송에 7분이 걸리기 때문에, 화성에는 GPS가 없기 때문에,一定 정도의 자율 주행이 필요합니다.”
팀은 새로운 시스템이 화성의 극지방에서 사용될 수 있을 것으로 믿고 있습니다. 이는 물을 찾는 것과 같은 과학적 목표를 지원하는 탐색을 개선할 수 있습니다.
팀은 이제 기술을 안개, 비, 눈과 같은 날씨 변화에 대응하도록 확장할 것입니다. 이 작업은 자율 주행 차량을 위한 개선된 탐색 시스템으로 이어질 수 있습니다.
