자율 주행 자동차의 안전성 향상을 위한 새로운 훈련 방법

자율 주행 자동차의 안전성은 보행자, 물체, 다른 차량 또는 자전거를 추적하는 것과 관련이 있습니다. 이를 위해 자율 주행 자동차는 추적 시스템을 사용합니다. 카네기 멜런 대학교(CMU)의 연구자들이 개발한 새로운 방법으로 이러한 시스템을 더욱 효과적으로 만들 수 있습니다.

새로운 방법은 이전보다 훨씬 더 많은 자율 주행 데이터를 제공합니다. 이러한 데이터는 추적 시스템을 훈련시키기 위해 필수적입니다. 데이터가 많을수록 자율 주행 자동차의 성능이 향상됩니다.

이 연구는 2020년 6월 14일부터 19일까지 열린 컴퓨터 비전 및 패턴 인식 회의(CVPR)에서 발표되었습니다.

히망기 미탈(Himangi Mittal)은 카네기 멜런 대학교 로봇공학 연구소의 연구원입니다. 그는 데이비드 헬드(David Held)와 함께 연구를 진행했습니다.

“우리의 방법은 이전 방법보다 훨씬 더 강력합니다. 우리는 훨씬 더 큰 데이터셋을 사용하여 훈련할 수 있습니다.” 미탈은 말했다.

리다르와 장면 흐름

현재 대부분의 자율 주행 자동차는 리다르(lidar)를 주된 탐지 시스템으로 사용합니다. 리다르는 레이저 장치로 주변 환경을 스캔하여 3D 정보를 생성합니다.

3D 정보는 점들의 구름으로 나타나며, 차량은 장면 흐름(scene flow)이라는 기술을 사용하여 데이터를 처리합니다. 장면 흐름은 3D 점들의 속도와 궤적을 계산하는 것입니다. 따라서 다른 차량, 보행자, 이동하는 물체는 점들의 집합으로 나타납니다.

전통적인 방법은 이러한 시스템을 훈련시키기 위해 레이블이 붙은 데이터셋을 사용합니다. 그러나 이러한 데이터셋은 수동으로 레이블을 붙여야 하므로 비용이 많이 들고, 데이터셋의 양이 제한적입니다. 이를 해결하기 위해 시뮬레이션 데이터를 사용하여 장면 흐름을 훈련시킵니다. 그러나 시뮬레이션 데이터만으로는 충분하지 않으므로, 실제 데이터를 사용하여 성능을 향상시킵니다.

연구자들은 레이블이 붙지 않은 데이터를 사용하여 장면 흐름을 훈련시키는 새로운 방법을 개발했습니다. 이러한 데이터는 훨씬 더 쉽게 수집할 수 있으며, 차량에 리다르를 설치하여 데이터를 수집할 수 있습니다.

오류 감지

이 방법을 사용하기 위해, 연구자들은 시스템이 자신의 오류를 감지할 수 있는 방법을 개발해야 했습니다. 새로운 시스템은 3D 점들의 위치와 속도를 예측하고, 예측된 위치와 실제 위치의 거리를 측정하여 오류를 계산합니다.

그런 다음 시스템은 예측된 위치에서 역으로 작동하여 점들의 원래 위치를 계산합니다. 계산된 거리를 사용하여 두 번째 유형의 오류를 계산합니다.

오류를 감지한 후, 시스템은 오류를 수정합니다.

“결과적으로, 시스템은 올바른 일을 하기 위해 학습해야 합니다. 그러나 시스템은 올바른 일을 해야 한다는 것을 알려주지 않습니다.” 헬드 曰.

결과는 시뮬레이션 데이터를 사용하여 훈련했을 때 장면 흐름의 정확도가 25%임을 보여주었습니다. 실제 데이터를 사용하여 성능을 향상시킨 후, 정확도는 31%로 증가했습니다. 레이블이 붙지 않은 데이터를 추가하여 시스템을 훈련시킨 후, 정확도는 46%로 더욱 향상되었습니다.