지난 시간 자율주행 알고리즘 판단편에 이어서, 오늘 다뤄볼 주제는 딥러닝 엔지니어링의 꽃이라고 할 수 있는 ‘자율주행 모델 경량화편’입니다. 우리가 연구실 GPU(서버) 환경에서 만든 거대하고 무거운 AI 모델은 실제 자율주행 차량의 엣지 디바이스(Edge Device)에 바로 올릴 수 없습니다. 제한된 전력, 부족한 VRAM, 그리고 무엇보다 ‘서멀 스로틀링(Thermal Throttling, 발열로 인한 성능 저하)’이라는 혹독한 물리적 제약이 존재하기 때문입니다. … 더 읽기
이전 까지는 많은 사람들이 카메라나 라이다(LiDAR) 센서가 어떻게 장애물을 ‘보는 것(인지)’이 자율주행을 공부했습니다. 또 자율주행 자동차는 어떻게 복잡한 도로 위에서 공간을 어떻게 이해하는 지도 알아보았습니다. 이제 전부였으면 너무 좋겠지만! 사실 핵심은 이 데이터를 바탕으로 ‘어떻게 움직일지 결정하는 것(판단)‘에 있습니다. 오늘은 자율주행 시스템이 비정형 데이터를 어떻게 정형화된 지도로 바꾸고, 생존을 위한 판단 로직을 거쳐, 30ms 이내의 … 더 읽기
왜 자율주행은 단안 모노뎁스(Monocular Depth)에 집중하는가? 지난 시간 자율주행 인지(Perception) 시스템의 핵심 목표는 “내 차량 전방의 장애물이 정확히 몇 미터(m) 앞에 있는가”를 오차 없이 파악하는 것입니다. 전통적으로는 고가의 라이다(LiDAR)나 두 개의 렌즈를 사용하는 스테레오 카메라(Stereo Camera)를 통해 시차(Disparity) 기반의 삼각측량을 수행해 왔습니다. 하지만 라이다는 수천만 원을 호가하는 하드웨어 비용과 악천후(비, 눈, 안개) 시 난반사 문제가 … 더 읽기
안녕하세요! 지난 파이토치로 만들어본 내용에 이어서 이번에는 최근 자율주행 기술이 발전하면서 가장 뜨거운 감자로 떠오른 것은 바로 센서의 선택입니다. 수천만 원에 달하는 라이다(LiDAR) 센서 없이, 오직 카메라만으로 완벽한 자율주행을 구현하려는 시도들이 이어지고 있습니다. 그렇다면 평면적인 2D 이미지만을 받아들이는 카메라는 도대체 어떻게 전방 차량과의 3차원 거리를 알아내는 것일까요? 오늘은 최신 모빌리티 기술의 핵심인 자율주행 카메라 거리 … 더 읽기
자율주행에서 ‘컴퓨터 비전’이란? 이전편은 기본적인 자율주행 차량이 왜 필요한지를 알아보았습니다. 안전하게 목적지까지 도달하려면 도로 위의 환경을 사람처럼 시각적으로 인지하고 즉각적인 판단을 내려야 합니다. 4륜 자동차는 안전벨트와 차체 구조 덕분에 자율주행 시스템과 급제동 알고리즘을 공격적으로 탑재할 수 있습니다. 컴퓨터 비전의 모든 기초는 바로 카메라 기반의 정밀한 시각 인지에서 시작됩니다. 컴퓨터 비전이 이미지를 해석하는 원리 컴퓨터에게 이미지란 … 더 읽기
왜 자율주행 기술이 필요할까? 우리가 레벨 4 이상의 완전 자율주행(특정 구역 내 운전자 개입이 전혀 불필요하며 위험 시 스스로 대처하는 단계)을 궁극적인 목표로 삼고 개발에 몰두하는 이유는 단순히 운전의 귀찮음을 덜기 위함이 아닙니다. 여기에는 사회적, 경제적으로 매우 중대한 3가지 이유가 존재합니다. 인적 과실의 3대 유형 (글로벌 통계 기준) 미국 NHTSA의 연구에 따르면, 인적 과실(전체 사고 … 더 읽기