<#12. 넥스트모바일 자율주행혁명>

 

ㅇ 서문

 

ㅡ 바퀴달린 로봇이 세상을 뒤흔든다.

현대적인 하드웨어 기술과 딥러닝이라는 새로운 세대의 인공지능 소프트웨어가 탄생했다.

---

ㅇ 본문

 

1. 로봇 운전사를 만나게 되는 시점은?

 

ㅡ -로보틱스와 인공지능의 급속한 발전이 일어나면서, 모든 자동차가 스스로 움직이는 로봇으로 진화하고 있다.

 

ㅡ 그동안 기계시각 소프트웨어의 개발을 가로막은 한가지 방해요인은 부족한 컴퓨팅 성능이었다.

 

ㅡ 라이트 스위치 이론, 시각적 진화가 생명체들 간 진화 경쟁을 촉발했으며, 그중에서 최고의 시각능력을 확보한 종들의 생존 가능성이 컸다고 설명한다.

이 이론은 로봇의 진화과정에서도 그대로 적용될 것으로 보인다.

 

ㅡ 무인자동차 기술은 갑작스럽게 진화할 것이다.

무어의 법칙은 컴퓨터 칩의 성능이 기하급수적인 속도로 발전하면서, 크기와 비용이 기하급수적으로 줄어든다는 걸 말한다. 

이러한 무어의 법칙을 그대로 반영하듯 무인자동차와 이를 구성하는 센서 및 거대한 데이터, 그리고 이 모두를 제어하는 소프트웨어는 신뢰성 있고, 강력하고, 경제적인 형태로 발전하고 있다.

 

ㅡ 무인자동차는 대부분 여러대의 디지털 카메라, 레이더, 그리고 라이다(LIDAR, Light Detection And Ranging)라고 부르는 레이저 레이더 장비를 활용하여 자신이 지금 어디로 가고 있는지를 본다. 

디지털 자동차는 GPS 장비와 관성측정장치(IMU, Inertial Measurement Unit)를 함께 사용한다.

그리고 내장된 컴퓨터가 센서와 GPS에서 들어오는 정보를 받아들이고, 그 데이터를 처리하며 점유 그리드(Occupancy Grid)에 통합한다.

---

2. 무인자동차 세상을 상상해보다

 

ㅡ 더 안전, 교통체증 및 환경오염, 소음 감소

 

ㅡ 긴말한 형태의 대열을 이뤄 운행하는 군집주행(Platooning)을 통해 도로공간을 효율적으로 활용함과 동시에, 교통체증이 빈번하게 발생하는 지역에서 차량흐름을 더 원활하게 한다.

 

ㅡ 택배나 배달음식은 작고 가벼운, 바퀴달린 자율주행 드론이 맡아줄 것이다.

 

ㅡ 공간시간(Area Hour), 자동차가 필요로하는 면적은 단지 공간의 문제가 아니라, 공간과 시간 모두의 함수라는 의미. 자동차는 대부분의 시간 동안 그냥 멈춰있다. 평균적으로 하루에 23시간 정도는 서있다. 

이러한 점에서 주차된 차량은 주행중인 차량보다 훨씬 더 많은 공간 시간을 소비하는 것이다.

 

ㅡ 무인택시가 정확한 장소와 시간에 목적지까지 데려다주는 건 물론 편리한 일이다.

그러나 도심 거리에서 보행자들의 활기찬 흐름과 활발한 상권을 사라지게 하는 예기치 못한 비용을 치르게 할 것이다. 

지금의 도시 형태를 새롭게 바꿀 것이다.

 

ㅡ 무인택시를 타면 '친구 사귀기' 옵션을 선택함으로써 비슷한 연령대 다른 승객을 만날 수 있을 것이다.

---

3. 자동차와 IT업계의 치열한 경쟁과 제휴

 

ㅡ 전기차, 유비쿼터스 무선환경, 차량공유, 무인자동차 -> 자율성(Autonomy)

---

4. 스스로 생각하고 판단하는 기계

 

ㅡ 자동차 운영 시스템은 인간의 두뇌와 감각 기관과 같다.

무인자동차 운영시스템의 실시간 반응은 1 / 100만 단위로 반응하도록 해야된다.

신뢰성 역시 높은 기준을 충족해야 된다. 

해킹으로부터 안전하고, 하드웨어나 소프트웨어에 오류가 발생했을때 즉각 복구할 수 있도록 설계되어야 한다.

 

ㅡ 인간의 두뇌가 약 860억개의 뉴런으로 이루어져있다.

소뇌안의 690억개의 백브레인(Back Brain) 뉴런이 기본적인 신체기능과 움직임을 조율하는 과정에 관혀하고, 자기인식이나 문제해결, 추상적 사고를 담당하는 대뇌피질에는 160억개의 뉴런밖에 없다.

로봇의 두뇌가 지각과 동작을 제어하는 과정에 엄청난 수의 인공뉴런을 할당해야하는 이유를 말해준다.

 

ㅡ 모라벡의 역설, 간단한 동작을 자동화하기 위해서는 대단히 높은 수준의 컴퓨터 처리 능력이 필요하다는 사실

 

ㅡ 무인자동차의 운영시스템 개발은 폭넓고 다채로운 두가지 연구분야를 포함한다

하나는 제어공학(Control Engineering)으로 기계적인 측면을 제어하는 분야, 다른하나는 인공지능 분야다.

 

ㅡ 로봇공학자들은 복잡한 시스템에 질서를 부여하기 위해 다양한 활동을 저수준과 고수준 제어로 분류한다.

 

ㅡ 저수준 제어는 브레이크, 액셀레이터, 운전대 등 차량의 내부 시스템 조율을 담당

저수준 제어 알고리즘은 제어장치 또는 필터, 반응제어(reactive control)라고도 한다.

일반적으로 예측 알고리즘을 활용하여 로봇을 부드럽게 움직인다.

지체시간(lag time)을 줄이기 위해 제어장치의 처리능력을 강화하거나 제어하기 쉬운 전기엔진으로 대체할 수 있다.

 

ㅡ 고수준 제어는 주행지시나 경로설정과 길안내 같은 차량의 장기적 전략 수립을 담당

검색알고리즘을 활용

 

ㅡ 제어공학 분야의 과학자들은 복잡한 시스템을 제어하는 소프트웨어를 활용하는데 집중

인공지능 분야의 과학자들은 광범위하고 포괄적인 차원에서 지능형 행동을 가능하게 하는 컴퓨터 소프트웨어를 개발하는데 박차를 가하고 있다.

---

5. 인공지각의 등장: 사물을 인식하고 장면을 이해하는 최초의 로봇

 

ㅡ 차량의 지각과 반응을 제어하는 소프트웨어 - 중간수준 제어

 

ㅡ 센서 데이터를 받아들이고, 주변환경의 물리적 상황을 인식함으로써 최고의 대응방식을 선택한다.

 

ㅡ 중간수준제어의 과정을 네가지 모듈을 통해 살펴볼수 있다.

첫번째는 점유그리드, 

두번째는 점유그리드 안으로 흘러들어오는 가공되지 않은 데이터를 인식하고 분류하는 소프트웨어, 

세번째는 예측 인공지능 소프트웨어를 활용하여 불확실성의 원뿔(Cone of Uncertainty)을 생성하는 모듈, 

마지막 네번째는 교통법규를 준수하면서 인지된 장애물을 피해 진행하도록 제어하는 단기경로 계획자(short-term trajectory planner)모듈이다.

 

ㅡ 딥러닝 모듈이 사물을 분류하고, 점유 그리드가 그 존재를 인식한다면, 불확실성의 원뿔은 그 사물이 이제 어디로 이동할 것인지를 예측하는 역할을 한다

 

ㅡ 로봇의 신뢰성을 정량화하기 위해 널리 사용하는 한가지 기준은 인간의 간섭 없이 혼자서 얼마나 오랫동안 움직일수 있는가 하는 점이다. 

이 기준은 평균 고장간격(MTBF, Mean Time Between Failures)라는 이름으로 알려져 있다.

무인자동차가 인간운전자보다 두배 더 안전해야 한다는 기준은 사고가 60만 킬로당 1회 일어나야 한다는 뜻이다. 

즉 무인자동차는 평균적인 인간 운전자보다 두배 이상의 거리를 사고없이 달려야 한다. 

이 기준을 평균사고간격(MDBF, Mean Distance Between Failures)라고 한다.

 

ㅡ 로봇에게 생각하는 방법을 가르치는 것이 중요한 이유는 이들이 군집의식(hive mind)을 가지고 있기 때문이다. 

한 로봇에게 학습하는 방법을 가르칠 수 있다면, 우리는 그 소프트웨어를 복제하여 수많은 다른 로봇에도 설치할 수 있다. 이러한 집단 학습을 무리학습이라고도 부른다.

---

7. 스마트 고속도로가 아니라 스마트 자동차

 

ㅡ 차량 대 차량(V2V : Vehicle-to-Vehicle)

차량 대 제반시설(V2I : Vehicle-to-Infrastructure)

차량 대 모든것(V2X : Vehicle-to-Everything)

---

8. 스스로 학습하는 로봇

 

ㅡ 미 의회는 2015년까지 전쟁지역을 돌아다니는 차량의 1/3을 완전히 자동화된 모델로 교체하도록 했다.

 

ㅡ 로봇에 이처럼 끊임없이 새로운 상황을 제공하는 환경을 일컬어 '무한상태공간(Infinite State Space)'라고 부른다.

 

ㅡ 구길의 무인자동차 군단은 넉넉한 연구예산, 유능한 개발자들, 시간적 여유가 모두 갖춰졌기에 챔피언으로 등극할 수 있었다. 

또한 무어의 법칙과 재조합혁신이 수면 아래에서 강력하게 힘을 발휘했다.

실제로 오늘날 무인자동차는 풍부한 데이터를 기반으로 하는 지능형 소프트웨어 덕분에 본격적인 행보를 시작하게 되었다. 

그리고 이는 고속 디지털카메라, HD 디지털 지도, 레이더, 라이다, GPS 장비 등 급격한 발전에 힘입은 바 크다.

---

9. 자율주행을 뒷받침하는 하드웨어

 

ㅡ HD 디지털 지도 : GPS와 시각센서, 그리고 지역의 주요한 지형지물의 구체적이고 정확한 모형이라 할 수 있는 HD 디지털 지도를 참조하여 길을 찾는다.

 

ㅡ 디지털카메라 : 인간의 눈에 해당하는 센서로, 실시간 데이터 흐름을 통해 차량 외부의 시각 정보를 포착한다.

 

ㅡ 라이다 : 레이져 레이더, 외부로 강파장 광(IPL, Intese Pulse Light)을 분사하고 그 파장 광이 다시 돌아오기까지 시간을 측정함으로써 주변의 물리적 환경에 대한 삼차원 디지털 모형을 구현함

 

ㅡ 레이더 : 디지털카메라가 픽셀로 구성된 그리드를 통해 장면을 포착하고, 라이더 센서가 디지털 스프레이와 같은 기능을 한다면, 레이더 센서는 호수의 표면과 같다.

레이더센서의 또다른 장점은 물체의 위치만 추적할 수 있는 것이 아니라 도플러 효과를 활용하여 물체가 움직이는 속도까지 추적할 수 있다는 것이다.

가까운 곳의 파동은 고음이 되고 먼곳은 저음이 되는 것.

 

ㅡ 소나 : 라이다와 카메라가 인간의 눈이라면 소나는 인간의 귀와같은 장비다. 음파를 사용, 소나는 안개와 먼지, 직사광선에 방해받지 않고 주변을 확인함, 그러나 거리와 바람에 따라 에너지가 분산되기 때문에 비교적 가까운 범위 내에서만 물체를 추적함

 

ㅡ GPS : 24대의 인공위성 중 4대만 있으면 위치를 계산할 수 있다. 신호 사이의 시간 간격을 측정하고, 삼각측량이라는 방법으로 자신의 정확한 위치를 계산해낸다.

도심주행에서의 문제는 반사펄스와 관련되어, 고층건물에 펄스가 부딪치며 오류가 날수 있다. 이를 '도심 협곡효과(Urban Canyon Effect)'라고 한다.

 

ㅡ IMU(Inertial Measurement Unit) : 여러가지 기능을 수행하는 다목적 장비, 주행거리계, 가속도계, 자이로스코프, 나침반 등 다양한 장비가 복잡하게 모인형태

Gps의 오차를 보완하기 위해 '추측항법(Dead Reckoning)'이라는 오래된 기술을 활용한다.

로봇이 취하고 있는 방향을 '포즈(pose)'라고 부른다. 차량의 전면이 어디를 향하고 있는지, 그리고 차체가 어떤 각도로 기울어져 있는지에 대한 측정값이다. 이는 자이로스코프라는 센서가 측정한다.

 

요(Yaw, 세로축을 중심으로 기울어진 각도), 

피치(Pitch, 가로축을 중심으로 기울어진 각도), 

롤(Roll, 장축을 중심으로 기울어진 각도)라고 부른다.

 

IMU 기술은 초소형 전지기계 시스템(MEMS, Micro Electro-Mechanical System)에 의해 크게 변모했다.

 

ㅡ 드라이브 바이 와이어(drive by wire, 작동기)

 

ㅡ 엔진제어장치(ECU, Engine Control Unit), ABS, 전송제어장치(TCU, Transmission Control Unit) 등 다양한 하위 시스템은 버스를 통해 서로 의사소통한다.

 

ㅡ 일상적으로 사용하는 범용직렬 버스(USB) 역시 컴퓨터의 마우스와 키보드, 프린터를 서로 연결하는 통로역할을 한다.

---

11. 데이터가 이끌어가는 세상

 

ㅡ 로봇들이 주변을 돌아다니면서 지도의 정확성을 높이는 자동화 과정 : SLAM

실시간 위치 추적과 지도작성(SLAM, Simultaneous Localization And Mapping)

 

ㅡ 트롤리 딜레마

인도에 있는 2명의 아기를 죽게할 것인가? 

차량에 탑승한 5명의 성인을 죽게할 것인가?

---

12. 파급효과

 

ㅡ '창조적 파괴(Creative Destruction)' - 슘페터

파괴적인 기술에 따른 구조조정 과정을 설명,

무인자동차는 산업전반을 파괴하고 인간 운전자들을 쓸모없는 존재로 만들며, 빈부격차를 더욱 심하게 할 수 있다. 

그러나 창조적 파괴의 긍정적인 효과는 경제성장을 이끌고 양질의 고용기회를 창출하는 것이다.
 

ㅡ 스위치이론 - 시각기술의 출현은 새로운 방어와 공격 전략을 필요로하게 됫고, 이는 곧 진화적 차원의 군비경쟁으로 이어졌다.

 

ㅡ 시각정보는 공간 해상도는 물론 시간흐름에서 '고대역폭'을 기반으로 하며, 다른감각에 비해 실질적으로 더 높은 데이터 전송속도를 가능케 한다.

 

ㅡ 인간의 눈에는 한쪽에만 1억 5만개의 광센서가 분포, 이에 비해 귀에 분포한 음향감지 뉴런은 평균 3만개에 불과하다.

시각정보를 처리하는 뉴런은 대뇌 피질의 30%, 총각정보는 8%, 청각정보는 3%에 불과하다.