편집자 주: 다음은 NVIDIA DRIVE Labs 시리즈의 최신 포스팅입니다. 본 시리즈는 개별 자율주행 자동차의 과제를 조명하고 NVIDIA DRIVE AV Software 팀이 이를 극복하는 방법을 엔지니어링의 관점에서 살펴봅니다. 관련 포스팅은 여기를 확인하세요.
속도제한표지를 이해하는 작업은 간단한 일처럼 보입니다. 하지만 고속도로 출구와 같이 차선에 따라 제한 내용이 달리 적용되거나 낯선 국가를 운전하는 등의 상황에서는 생각보다 복잡한 문제가 될 수 있죠.
NVIDIA DRIVE Labs의 이번 포스팅은 자율주행 자동차의 AI 기반 실시간 인식이 명시적, 암시적 지시 사항을 모두 감지해 속도제한표지의 복잡성을 보다 정확히 이해하는 방법을 소개합니다.
속도제한표지는 보기보다 훨씬 복잡할 수 있습니다. 예를 들어 어린이 보호구역에서는 표지판의 제한 사항이 하루 중 특정 시간대에만 적용되죠.
이때 가변 정보판을 통해 관련 정보가 전달되기도 합니다. 여기에는 일부 차선 또는 특정 상황에만 적용되거나, 상황 변화에 따라 다르게 적용되는 속도 제한 내용들이 표시됩니다.
또한 독일의 ‘고속도로 입구’ 같은 표지판은 속도 제한 내용을 암시적으로 전달합니다. 즉, 속도 제한치를 명시적인 숫자로 제시하는 대신 현지의 규칙과 규정에 따라 운전자가 해석하도록 요구하고 있습니다.
이에 더해 시각적으로 유사하거나 동일해 보이는 속도제한표지와 도로표지판, 보충 텍스트도 함축적으로 뜻하는 바가 다양해서 경우에 따라 의미가 일부 변경되거나 아예 달라질 가능성도 있습니다.
기존 속도 보조 시스템의 문제점
자율주행 자동차의 속도 보조 시스템(SAS)은 이러한 복잡성을 극복하고 다양한 주행 환경의 표지들을 정확히 감지, 해석할 수 있어야 합니다. 진일보한 운전자 보조 시스템에서는 인간 운전자에게 정확한 정보를 제공하고 오류를 교정하는 SAS 기능이 대단히 중요하죠.
자율주행 애플리케이션의 경우에도 SAS는 합법적이고 안전한 속도의 이동을 보장하는 계획, 제어 소프트웨어에 반드시 추가해야 할 기능으로 자리잡고 있습니다.
기존의 SAS는 근처 표지판의 상세한 정보와 함축적 의미를 담은 네비게이션 또는 고화질 지도에 크게 의존합니다.
그러나 지도의 정확성에는 한계가 있고, 지도를 현지화하는 과정에서 발생할 오류의 가능성도 무시할 수 없습니다. 이는 기존 방식의 SAS가 특정 표지판을 제때 감지하지 못하는 결과로 이어지기도 합니다. 결국 차량은 해당 표지판이 등록된 지점을 넘어서까지 규정 외 속도로 주행하게 되죠.
지도는 또한 변화의 내용을 제대로 반영하지 못하거나, 차선별로 다르게 적용되는 표지들을 정확히 연결하지 못할 수도 있습니다.
실시간 SAS
기존 방식과 달리 NVIDIA DRIVE SAS는 다양한 심층 신경망(DNN)을 사용하는 AI 기반 실시간 인식으로 암시적, 명시적 표지와 가변 정보판을 감지하고 해석합니다.
NVIDIA WaitNet DNN이 표지판을 감지하고, SignNet DNN이 표지판 유형을 분류하며, PathNet DNN이 경로 인식 정보를 제공하는 방식입니다.
이를 활용하면 속도제한표지의 이해를 비롯해 이 표지와 각 차선의 관련성을 정립하는 작업(일명 표지-경로 연계)에 필요한 신호 일체를 지도가 제공하는 사전 정보에 기대지 않고 실시간 인식을 통해 확보할 수 있습니다.
이 접근법의 또 다른 장점은 유연성입니다. 가령 특정 지역이나 국가의 암시적 속도제한표지가 변경될 시 NVIDIA SAS는 기저의 표지-경로 연계 체계를 간단히 변형해 발빠르게 대응합니다.
반면 사전 입력 방식의 지도에 의존하는 시스템의 경우, 새로운 규정을 지도의 모든 곳에 재입력해야 정확한 업데이트를 수행할 수 있습니다.
NVIDIA의 실시간 인식 SAS가 제공하는 속도 표지와 표지-경로 연계 정보는 지도상 정보와 통합이 가능해 더욱 강력한 성능을 자랑합니다. 이처럼 다양한 정보의 입력을 통해 SAS는 적용 가능한 실세계 시나리오의 범위를 확대하고 있습니다.