자율주행 소프트웨어 개발 역사 되짚는 ‘엔비디아 드라이브 랩’ 비디오 시리즈

엔비디아 드라이브 랩(NVIDIA DRIVE Labs) 비디오 시리즈는 자율주행 소프트웨어의 개발원리를 상세히 소개하고 있습니다. 지난 1년 간 20개의 에피소드가 공개됐지만 앞으로도 무궁무진한 주제를 다루는 영상들이 올라올 것으로 보입니다.

엔비디아 드라이브 랩 비디오 시리즈는 360도 인지(perception)에서부터 판옵틱 세그멘테이션(panoptic segmentation), 미래상황 예측에 이르기는 다양한 주제를 심층 분석하고 있는데요. 자율주행 자동차는 현 시대가 맞이한 가장 큰 컴퓨팅 도전과제 중 하나이며, 드라이브 랩 비디오 시리즈에서는 소프트웨어 개발의 구성요소를 한번에 하나씩 다루고 있습니다.

정보 제공과 교육을 목적으로 만들어진 드라이브 랩은 자율주행 기술을 막 배우기 시작한 입문자에서 수 십년 간 자율주행 분야에서 몸 담아온 전문가 등 모든 사람을 대상으로 엔비디아가 가장 중요하다고 판단하는 과제와 안전하고 효율적인 운송을 위한 접근법을 보여주는 창구 역할을 하고 있습니다.

인지 네트워크, 뉴럴 네트워크(DNN)

자율주행 자동차는 경로를 계획하고 주행결정을 내리기에 앞서 차량 주변의 모든 환경을 보고 이해할 수 있어야 하는데요. 드라이브 랩에서는 자율주행 자동차의 인지부문을 담당하는 뉴럴 네트워크(Deep Neural Network, 이하 DNN)의 다양한 측면을 자세히 설명하고 있습니다. 엔비디아의 접근법은 중복적(redundant)이며, 다양한 DNN에 기반하며, DNN 모델들은 교차로 감지, 교통신호등과 교통표지판 감지, 교차로 구조 이해와 같은 다양한 기능을 다루고 있습니다. 또한, 이 모델은 주차공간 인지, 센서의 장애 여부 감지 등의 다양한 과제에도 활용됩니다.

DNN은 보행자와 교통신호 주변에 경계상자(bounding boxes)를 그리는 것 이상의 일을 해냅니다. 이미지를 픽셀 단위로 분석해 시각의 정확도를 향상시키고, 더욱 정확한 포지셔닝 정보를 얻기 위해 이 픽셀을 시간을 두고 추적하죠.

야간주행의 경우 오토하이빔넷(AutoHighBeamNet)이 자율주행차 전조등을 제어하고, 액티브러닝 접근법으로 어두운 곳에서 보행자 감지기능을 향상시킵니다. 또한 DNN은 정확한 모션 플래닝을 위해 2D 카메라 이미지를 통해 3D 거리를 추정해낼 수 있습니다. 엔비디아의 여러 인지기능은 자동차 주변에서 작동합니다. 서라운드 카메라 물체 추적기능(surround camera object tracking)과 서라운드 카메라 레이더 퓨전(surround camera-radar fusion)을 장착하면 인지 사각지대가 확실하게 사라집니다.

전방 도로 예측

자율주행 자동차는 환경 인식뿐 아니라, 도로 위 다른 행위자들이 어떻게 행동하는지 이해할 수 있어야 안전한 경로 확보를 위한 계획을 세울 수 있습니다. 드라이브 랩에서는 자율주행 자동차가 순환신경망(recurrent neural network)을 통해 물체의 움직임에 대해 과거에 쌓았던 통찰력을 미래 예측 측정에 활용하는 방식을 보여줍니다.