미국 군대, 자율 주행 차량 개발에ใกล접

미국 육군 전투 능력 개발 사령부(Army Combat Capabilities Development Command)의 육군 연구소(Army Research Laboratory)와 텍사스 오스틴 대학교(University of Texas at Austin)의 연구자들이 자율 주행 차량 개발에 큰 영향을 미칠 수 있는 알고리즘을 개발했다. 이 알고리즘은 자율 주행 차량이 인간의 운전을 관찰하여 자신의 내비게이션 시스템을 개선할 수 있다.

연구자들이 개발한 접근 방식은 적응형 계획자 매개변수 학습 từ 데모(APPLD, Adaptive Planner Parameter Learning from Demonstration)라고 불린다. 이 알고리즘은 육군의 실험 자율 주행 차량에서 테스트되었다.

이 연구는 IEEE Robotics and Automation Letters에 발표되었으며, “APPLD: Adaptive Planner Parameter Learning From Demonstration”라는 제목이다.

APPLD

개럿 워넬(Dr. Garrett Warnell)은 육군 연구자이다.

“APPLD와 같은 접근 방식을 사용하면, 현재의 군인들이 기존의 훈련 시설에서 자율 시스템의 개선을 위해 차량을 정상적으로 운전하는 것만으로도 기여할 수 있다”고 워넬은 말했다. “이러한 기술은 육군이 차세대 전투 차량을 설계하고 개발하는 계획에 중요한 기여가 될 것이다. 이 차량은 자율 주행이 가능하고, 야외 환경에서 운행할 수 있다.”

새로운 시스템을 개발하기 위해, 연구자들은 데모에서 기계 학습 알고리즘과 고전적인 자율 내비게이션 시스템을 결합했다. 이 접근 방식의 가장 좋은 특징은 기존 시스템을 개선하여 인간과 같은 행동을 할 수 있도록 하는 것이다. 이는 전체적인 고전적인 시스템을 대체하는 것이 아니라, 개선하는 것이다.

이로 인해, 배치된 시스템은 최적성, 설명 가능성, 안전성과 같은 고전적인 내비게이션 시스템의 특징을 유지하면서도, 새로운 환경에 적응할 수 있는更加 유연한 시스템을 생성할 수 있다.

“인간의 운전을 관찰하여, APPLD는 차량의 기존 자율 내비게이션 시스템을 특정한 지역 환경에 따라 다르게 조정할 수 있다”고 워넬은 말했다. “예를 들어, 좁은 지역에서 인간 운전자는 속도를 줄이고 조심스럽게 운전했다. 이러한 행동을 관찰한 후, 자율 시스템은 유사한 환경에서 속도를 줄이고 계산 예산을 증가시켰다. 이는 차량이 이전에 실패한 지역에서도 성공적으로 자율 주행할 수 있도록 했다.”

https://www.youtube.com/watch?v=u2xxPTZA0DY

결과는 APPLD 시스템이 테스트 환경을 더 효율적으로 운행하고, 오류를 줄일 수 있음을 보여주었다. 또한, 이 시스템은 인간 운전手を 훈련시킨 것보다 더 빠르게 운행할 수 있었다.

피터 스톤(Dr. Peter Stone)은 텍사스 오스틴 대학교의 로봇트 연구소의 교수이자 의장이다.

“기계 학습의 관점에서, APPLD는 끝에서 끝까지 학습 시스템과 다르다. 이러한 시스템은 내비게이션 시스템을 처음부터 학습하려고 시도한다”고 스톤은 말했다. “이러한 접근 방식은 많은 데이터를 필요로 하며, 안전하지도 않고, 강력하지도 않은 행동을 유발할 수 있다. APPLD는 신중하게 설계된 제어 시스템의 부분을 활용하며, 매개변수 조정을 위한 기계 학습 노력을 집중한다. 이는 일반적으로 한 사람의 직관에 근거한 것이다.”

새로운 시스템은 로봇트 분야의 전문가가 아닌 사람들이 자율 주행 차량의 내비게이션을 훈련시키고 개선할 수 있도록 한다. 예를 들어, 무제한의 사용자가 시스템을 개선하는 데 필요한 데이터를 제공할 수 있다. 이는 전문 엔지니어들이 수동으로 시스템을 조정하는 것보다 더 효율적이다.

조나단 핑크(Dr. Jonathan Fink)는 육군 연구자이다.

“현재의 자율 내비게이션 시스템은 새로운 환경에서 운행하기 위해 수동으로 조정되어야 한다”고 핑크는 말했다. “이 과정은 매우 어렵다. 로봇트에 대한 광범위한 훈련을 받은 사람만이 시스템을 조정할 수 있다. 또한, 올바른 시스템 설정을 찾기 위해 많은 시도를 해야 한다. 반면, APPLD는 인간의 운전을 관찰하여 시스템을 자동으로 조정한다. 이는 비디오 게임 컨트롤러를 사용하는 것만으로도 가능하다. 배치 중에, APPLD는 환경이 변경됨에 따라 시스템을 다시 조정할 수 있다.”

군사 사용

이 시스템은 육군에서 개발 중인 현대화된 선택적 인명 차량과 로봇트 전투 차량에 유용할 것이다. 현재, 많은 환경이 너무 복잡하여 최고의 자율 내비게이션 시스템도 운행할 수 없다.

쉬에수 샤오(Dr. Xuesu Xiao)는 텍사스 오스틴 대학교의 연구원이며, 논문의 주요 저자이다.

“군대에 대한 즉각적인 관련성 외에도, APPLD는 전통적인 엔지니어링 접근 방식과 기계 학습 기술의 간격을 메우는 기회를 제공한다. 이는 실제 세계에서 강력하고, 적응性과 다재다능한 모바일 로봇트를 개발하는 데 도움이 된다”고 샤오는 말했다.

APPLD 시스템은 다양한 야외 환경에서 테스트될 것이다. 연구팀은 추가 센서 정보가 시스템이 더 복잡한 행동을 학습하는 데 도움이 될 수 있는지 확인할 것이다.