자율주행차가 '추억'을 만드는 데 도움이 되는 새로운 방법

코넬 대학의 연구팀은 자율주행차가 이전 경험의 "기억"을 만들어 미래의 내비게이션에 사용할 수 있도록 하는 새로운 방법을 개발했습니다. 이는 자율주행차가 악천후 환경에서 센서에 의존할 수 없을 때 특히 유용합니다.

과거로부터 배우기

현재 인공신경망을 활용하는 자율주행차는 과거에 대한 기억이 없다. 즉 끊임없이 처음으로 사물을 '본다'는 뜻이다. 그리고 이는 똑같은 도로를 몇 번이나 운전했는지에 관계없이 사실입니다.

Killian Weinberger는 이 연구의 수석 저자이자 컴퓨터 과학 교수입니다.

"근본적인 질문은 반복되는 순회를 통해 배울 수 있는가입니다." 와인버거가 말했다. “예를 들어, 자동차는 멀리서 레이저 스캐너가 처음 인식할 때 이상한 모양의 나무를 보행자로 착각할 수 있지만 일단 충분히 가까워지면 물체 범주가 명확해집니다. 따라서 안개나 눈 속에서도 같은 나무를 두 번째로 지나갈 때 자동차가 이제 올바르게 인식하는 법을 배웠기를 바랍니다.”

박사 과정 학생 Carlos Diaz-Ruiz가 이끄는 이 그룹은 LiDAR 센서가 장착된 자동차를 운전하여 데이터 세트를 만들었습니다. 15개월 동안 총 40회에 걸쳐 18km를 순환했습니다. 다양한 테스트 드라이브는 다양한 환경, 날씨 조건 및 시간대를 캡처했습니다. 이 모든 것이 600,000개 이상의 장면이 포함된 데이터 세트를 생성했습니다.

Diaz-Ruiz는 "자율주행차의 주요 과제 중 하나인 열악한 기상 조건을 의도적으로 드러냅니다."라고 말했습니다. "거리가 눈으로 덮이면 인간은 기억에 의존할 수 있지만 기억이 없으면 신경망은 매우 불리합니다."

뒤늦은 깨달음과 겸손

HINDSIGHT라고 하는 접근법 중 하나는 신경망을 사용하여 자동차가 물체를 지나갈 때 물체의 디스크립터를 계산합니다. SQuaSH라고 하는 이러한 설명은 압축되어 가상 지도에 저장되어 우리가 뇌에 자신의 기억을 저장하는 것과 유사한 유형의 "기억"을 생성합니다.

자율주행차가 미래에 같은 위치를 횡단할 때 경로를 따라 모든 LiDAR 지점의 로컬 SQuaSH 데이터베이스를 쿼리하여 학습한 내용을 "기억"합니다. 지속적으로 업데이트되는 데이터베이스는 차량 전체에서 공유되며 더 많은 정보를 제공하여 인식을 개선하는 데 도움이 됩니다.

유우롱 박사과정생입니다.

"이 정보는 모든 LiDAR 기반 3D 물체 감지기에 기능으로 추가될 수 있습니다."라고 You는 말했습니다. “탐지기와 SQuaSH 표현은 추가 감독이나 시간과 노동 집약적인 사람의 주석 없이 공동으로 훈련할 수 있습니다.

HINDSIGHT는 MODEST(Ephemerality and Self-Training을 통한 Mobile Object Detection)라고 하는 추가 연구를 통해 팀을 도울 예정입니다. MODEST는 이 프로세스를 발전시키고 자동차가 전체 인식 파이프라인을 학습할 수 있도록 합니다.

HINDSIGHT는 인공 신경망이 이미 물체를 감지하고 기억을 생성하는 능력을 강화하도록 훈련되었다고 가정하는 반면, MODEST는 인공 신경망이 물체나 거리에 노출된 적이 없다고 가정합니다. 동일한 경로를 여러 번 순회한 후 환경의 어떤 부분이 정지 또는 움직이는 물체인지 학습합니다. 이 프로세스를 통해 시스템은 다른 트래픽 참여자로서 주의해야 할 사항을 스스로 학습할 수 있습니다.

이 알고리즘은 초기 순회를 구성하지 않는 도로에서도 물체를 안정적으로 감지하는 능력을 보여주었습니다.

팀은 이러한 새로운 접근 방식이 자율 차량의 개발 비용을 줄이고 효율성을 높일 수 있다고 믿습니다.