MIT 러스 교수, "자율주행 불확실성 극복 플랫폼 제시... 인간 운전자와 상호작용도 강조"

현대자동차 'HMG 개발자 컨퍼런스' 10일 개최, 러스 교수 특별 연사로 나서
VISTA플랫폼 제시, "도로 위 불확실성에 대비해야"
"자율주행 차량, 인간 운전자와도 상호작용해야"

 

(출처=셔터스톡)

자율주행 기술이 발전하려면 불확실한 상황에 대비하는 능력이 탁월해야 한다. 특히 비보호 구역에서 좌회전할 때 생기는 경우의 수는 데이터가 아무리 많아도 해결할 수 없다. 앞서 가던 차가 비켜주지 않거나, 앞차가 갑자기 속도를 줄여 사고가 날 수 있다.

 

현대자동차는 10일 진행한 ‘HMG 개발자 컨퍼런스’ 특별 세션에서, 자율주행 차량이 불확실성을 극복하기 위한 기술적 방안을 논의했다. 해당 세션에서는 미국 MIT 컴퓨터과학 인공지능연구소(CSAIL) 책임연구원 다니엘라 러스(Daniela Rus) 교수가 발표했다.

 

러스 교수는 “교통체증 같이 복잡한 환경에서는 모듈 불확실성이 증가한다”며 “이를 위해 불확실성에 대비하고, 자율주행 차량과 인간 운전자 간의 상호작용 능력이 필요해졌다”고 강조했다.

 

◆ 불확실성, 어떻게 극복하나: VISTA 플랫폼 

 

러스 교수는 “빅데이터를 활용해 사람이 비슷한 상황에서 했던 행동을 자율주행차가 배우도록 했다”고 설명했다. 이는 단일 학습 알고리즘을 최적화하는 종단 간(end-to-end)학습 시스템을 활용해, 미가공된 센서 데이터를 바로 제어 신호로 바꾸는 방식이다.

 

플랫폼 VISTA 성능 실험하는 장면. (출처=행사 캡쳐)

러스 교수는 ‘VISTA’플랫폼을 소개했다. 러스 교수팀은 플랫폼 개발을 위해 사람이 운전했던 길을 시뮬레이션으로 만들었다. 자율주행차가 운전자 없이 전체를 주행하게 했다. “주행한 차에서 고해상도의 실사 데이터를 수집했다”며 “불규칙한 운전, 충돌 직전, 충돌 순간까지 테스트했다”고 그는 설명했다.

 

실험 방식은 총 두 가지다. 실사 데이터로 시뮬레이션을 만들어 시뮬레이션에서 데이터를 수정한다. 이를 통해 다양한 시나리오를 만든다. 다른 모델인 ‘모방 학습’, ‘심플 리얼(Simple Real) 방식’, ‘도메인 랜덤화’와 비교도 했다. 

 

결과적으로 “VISTA 플랫폼에서 훈련한 모델이 충돌이 없고, 궤적 분산도 가장 적었다”고 러스 교수는 강조했다. “해당 플랫폼에서 학습한 뒤 아무런 조정 과정 없이 모델을 바로 풀스케일 프리우스에 배치할 수 있었다”며 “이는 굉장히 혁신적이다”고 말했다. 그는 “낯선 환경에서 충돌 직전에 물체를 피할 수 있는 확률까지 높인다”며 “VISTA에서 훈련된 모델이 최첨단 모방학습보다 훨씬 효과적이다”고 강조했다. 즉, 해당 모델로 훈련했을 경우 완전히 새로운 환경에서도 바로 적응할 뿐만 아니라 물체와 충돌하기 직전 상황도 피할 수 있다는 말이다.

 

러스 교수는 “현재 가장 최신 ‘앤드 투 앤드(end-to-end)’방식은 시나리오가 조금만 달라져도 원활히 작동하지 않는다”고 언급했다. “충돌하기 직전 데이터를 모으는 것도 사람이 하기 힘들다”며 “VISTA는 이러한 한계점을 넘는 기술이다”고 강조했다.

 

러스 책임연구원은 “이 모든 과정은 심층 신경망 학습을 기반으로 한다”고 설명했다. 그는 “해당 모델은 마치 거대한 블랙박스와 같다”며 “유저가 시스템 내부 작동을 연구해도 얻을 수 있는 게 없다”고 말했다. 해당 솔루션은 10만 개의 뉴런과 50만 개의 매개변수가 필요하기 때문에, 뉴런의 패턴과 결과값 사이의 연관성을 찾는 건 거의 불가능하다.

 

10만 개 이상의 뉴런이 했던 역할을 신경회로 19개가 작업하는 모습 (출처=행사 캡쳐)

러스 교수는 “10만 개 이상의 뉴런이 했던 역할을 이제는 단 19개의 NCP(신경회로)가 한다”고 설명했다. “특히 NCP는 심층 신경망의 뉴런이 실행되는 방식 이상을 계산할 수 있다”며 “다른 방법보다 데이터 처리 집중도가 훨씬 뛰어나다”고 말했다. “LSTM, CT-RNN, CNN 어텐션보다 월등하다”고도 강조했다. 마지막으로 그는 “NCP는 많은 에너지를 소모하지 않아서, 지속 가능성 측면에서도 좋다”고 말했다.

 

◆ 로봇과 운전자, 도로 위에서 상호작용 해야

 

러스 교수는 “자율주행차는 도로 규칙뿐만 아니라 인간 운전자와의 소통하는 능력까지 있어야 한다”고 강조했다. 특히 “로봇 자동차는 상대 운전자가 비보호 구역에서 양보할지 파악하는 문제와 같이 조율이 필요한 상황에서 잘 대처해야 한다”고 주장했다.

 

이를 위해 러스 교수는 사회심리학 논문에 나오는 ‘사회적 가치 지향(SOcial Value Orientation, SVO)’이라는 매개변수를 소개했다. 타인에 대한 보상과 자신에 대한 보상을 측정하는 각도다. 그는 “해당 개념을 인간-자율주행 로봇에 적용할 수 있다”며 “대부분 관련 가치는 친사회적, 이타적, 이기주의적 행동에 해당된다”고 설명했다. 

 

자율주행 차량(빨간색)이 비보호 구역에서 좌회전할 때, 파란색 차량은 SVO가 이기적이라 속도 늦춤, 분홍색 차량은 SVO가 이타적이라 속도를 올리고 좌회전 성공. (출처=행사 캡쳐)

예를 들어, 비보호 좌회전을 하기 전 자율주행차는 도로 상황에 대해 사전 정보를 더 얻기 위해 상대 운전자의 SVO을 측정해 결과에 따라 움직이는 방식이다. 즉, 상대방의 SVO가 이타적일 경우, 양보 성향으로 인식해 속도를 높여 좌회전을 한다. 상대방이 이기적 성향으로 계산되면 속도를 낮추고 기다리는 방식이다.

 

러스 교수는 “자율 주행 솔루션에 SVO와 운전자 성향을 통합하는 방법이다”며 “NGSIM 같은 현실적인 데이터와 실시간 데이터를 사용함으로써 SVO를 결정하는 보상을 조정했다”고 설명했다. 실제로 NGSIM 데이터를 활용해 온라인으로 SVO를 추정하면 궤적 예측이 25%까지 향상돼 안전성이 높아진다.

 

AI타임스 김미정 기자 kimj7521@aitimes.com

 

Copyright © '인공지능 전문미디어' AI타임스 (http://www.aitimes.com/)
무단전재 및 재배포 금지

 

MIT 러스 교수, "자율주행 불확실성 극복 플랫폼 제시... 인간 운전자와 상호작용도 강조" - AI타임