자율주행에 대한 새로운 접근법이 독보적인 행보를 이어 나가고 있습니다.
미국 매사추세츠공과대학(MIT)의 연구팀은 다중 네트워크 시스템 대신 자율주행 자동차에 동력을 공급하기 위해 단일 심층 신경망(DNN)을 개발하고 있습니다. 최근 COMPUTEX 2021에서 발표된 MIT 연구는 NVIDIA DRIVE AGX Pegasus를 기반으로 수많은 라이다(Lidar) 데이터를 효율적이고 실시간으로 처리하며 차량 내 네트워크를 실행시켰습니다.
자율주행 자동차 센서는 하루에도 엄청난 양의 데이터를 생성합니다. 하루에 6시간 주행하는 50대의 차량에서 생성되는 센서 데이터만 해도 무려 하루 평균 약 1.6페타바이트에 달하죠. 이 모든 데이터를 1GB 플래시 드라이브에 저장해야 한다면, 100개 이상의 축구장 정도의 면적이 필요할 것입니다.
자율주행 자동차는 주변 환경을 감지하고 안전하게 주행하기 위해 데이터를 바로바로 처리해야 합니다. 하지만 엄청난 데이터의 양 때문에 단일 심층 신경망이 이를 처리하기란 매우 어렵죠. 그래서 대부분 다중 네트워크와 고화질 맵을 사용하게 됩니다.
MIT팀은 해당 논문에서 단일 심층 신경망(DNN)으로 자율주행을 위한 새로운 전략을 시도하는 방법을 실시간 라이다 센서 데이터 처리 작업부터 자세히 다루었는데요.
그 목표 달성을 위해 연구팀은 고성능, 에너지 효율적인 NVIDIA DRIVE AGX Pegasus를 활용해 첨단 시스템보다 15배 빠르게 라이다 컴퓨팅을 새롭게 가속화할 수 있었습니다.
효율성 향상
현재 개발 중인 자율주행 자동차 시스템의 대다수가 센서 데이터를 처리하기 위해 일련의 심층 신경망 외에도 고화질 맵을 활용합니다. 이 두 가지를 함께 사용해 자율주행 차량은 공간에서 신속하게 위치를 파악하고 도로상의 사용자, 교통 표지판, 기타 물체를 감지할 수 있죠.
그러나 이 방법은 안전한 자율주행에 필요한 중복성과 다양성을 제공해주지만, 매핑되지 않은 지역에서는 실행이 어렵습니다.
또한, 라이다 감지를 활용하는 자율주행 시스템은 매초마다 주변 환경에서 200만개가 넘는 점(point)을 처리해야 하는데요. 2차원 이미지 데이터와 달리, 3D 공간에서 라이더 포인트는 매우 희박합니다. 그리고 아키텍처가 이러한 형태의 데이터와 맞게 설계되지 않았기 때문에 현대 컴퓨팅 하드웨어가 풀어야 할 큰 과제가 되고 있습니다.
MIT 팀은 기본 아키텍처 보다 훨씬 빠른 속도와 에너지 고효율을 구현하기 위해 새로운 방법들을 개발했습니다.
MIT가 개발한 심층 신경망은 전체적인 자율주행 시스템과 동일한 기능을 수행하도록 설계됐습니다. 심층 신경망의 완전한 기능성은 사람들이 직접 운전해서 만들어진 대규모의 데이터를 바탕으로 네트워크를 훈련시켜, 특정한 작업을 하나하나로 쪼개는 접근법보다는 인간 운전자처럼 운전을 통합적으로 접근하도록 훈련시키면서 이뤄집니다.
이러한 방법은 아직 개발 중이지만 이점이 많을 것으로 예상됩니다.
차량에서 단일 심층 신경망을 실행하면 여러 전용 네트워크보다 훨씬 효율성이 높기 때문에 여분의 컴퓨팅 수행능력을 늘려 다른 기능을 더 많이 처리할 수 있습니다. 또한 심층 신경망은 보이지 않는 도로를 지도 대신 훈련을 기반으로 탐색하기 때문에 상황을 더욱 유연하게 파악합니다. 또한 높은 효율성으로 훨씬 많은 양의 인지 데이터를 실시간으로 처리할 수 있습니다.
탁월한 성능을 제공하는 NVIDIA DRIVE
MIT연구팀은 심층 신경망이 고성능 중앙 컴퓨팅과 결합하면 능숙도가 훨씬 향상된다는 것을 발견했습니다.
NVIDIA DRIVE AGX Pegasus는 자율주행 레벨 4와 레벨5을 위해 설계된 인공지능(AI) 슈퍼컴퓨터입니다. 2개의 NVIDIA Xavier SoC와 2개의 NVIDIA Turing GPU을 활용하여 320 TOPS(초당 테라 연산) 성능을 제공합니다.
MIT 연구팀은 강력한 컴퓨팅 시스템에서뿐만 아니라 현재 개발 중인 자율주행 시스템에서 일반적으로 쓰는 컴퓨팅 시스템에서도 심층 신경망을 개발하기 시작했습니다.
MIT의 박사과정인 알렉산더 아미니(Alexander Amini)는 “우리는 매우 유연하고 모듈식 자율주행 시스템을 원했는데, NVIDIA는 이 분야에서 세계 최고의 업체입니다. NVIDIA DRIVE AGX Pegasus는 다양한 센서의 입력 스트림을 처리할 수 있어 개발자들이 심층 신경망을 쉽게 구현할 수 있습니다”라고 설명합니다.
심층 신경망의 라이다 인식 기능은 MIT 연구원들이 목표로 한 자율주행 개발에서의 시작에 불과합니다. 알렉산더 아미니는 MIT 팀이 결합 센서 스트림, 다른 차량에 대응해야 하는 까다로운 상황, 그리고 열악한 기상 조건을 대처하는 데 NVIDIA DRIVE를 활용할 계획이라고 밝혔습니다.