2019.11.04

"레이싱 차량에 자율주행 적용해보니..." 폭스바겐 데이터:랩, 연구 사례 발표

Brian Cheon | CIO KR
모터 스포츠는 자동차 개발 역사에 큰 영향을 끼쳐왔다. 1912년 프랑스 그랑프리에서는 푸조가 최초의 듀얼 오버헤드 캠샤프트를 적용한 차량으로 우승했으며 지난 7월에는 폭스바겐이 3D 프린팅된 부품으로 굿우드 힐 클라임 대회에서 신기록을 달성했다. 이제 ‘폭스바겐 데이터:랩’이 모터스포츠를 통한 자동차 개발 혁신에 새로운 시도를 진행 중이다. 신경망을 훈련시켜 레이싱 카를 운전하도록 한다는 구상이다. 
 
ⓒ 폭스바겐 데이터:랩

독일 뮌헨에 소재한 이 연구소는 지난 2013년 폭스바겐이 데이터 활용 방안을 검토하기 위해 설립됐다. 진행 중인 연구 대부분은 베일에 가려져 있지만, 이번 주 연구소 측은 이탈리아 볼로냐에서 열린 넷앱 데이터 데이 행사에서 자율주행 레이싱 프로젝트에 대해 일부 공개했다. 

연구팀은 다양한 레이싱 트랙 시뮬레이션에서 가장 빠른 주행 경로를 탐색할 수 있도록 자율주행 신경망을 훈련시켰다. 이 과정에는 장애물 우회, 회전 시 곡률, 속도 제한 등의 여러 제약을 추가하는 강화 학습이 적용됐다. 폭스바겐 데이터:랩의 마크 힐버트 박사는 “따지고보면 초보 레이싱 선수를 훈련시키는 방법과 유사하다”라고 설명했다. 

해당 시스템은 먼저 클라우드에서 처음 개발된다. 이후 자율주행 경쟁 대회인 로보레이스(Roborace)에 의해 개발된 플랫폼에서 테스트된다. 마지막으로 실제 테스트를 위해 레이스트랙으로 전송되게 된다. 

연구진은 헝가리에 소재한 잘라존 레이스트랙에서 자율주행 레이싱 알고리즘을 수 차례 훈련 및 테스트했다. 먼저 비상정지와 관련된 훈련이 있었다. 시속 100km의 속도로 달리는 실험 차량이 풍선 차량 앞에 최대한 가깝게 정지하도록 훈련시켰다. 결과적으로 풍선 앞에 45cm 거리에 정지시킬 수 있었다. 

다음에는 객체 회피 조작 훈련이 있었다. 실험 자동차가 풍선 차량에 접근할 때 레이더로 장애물을 감지하고 가능한 최고 속도로 우회하도록 했으며, 그 결과 몇 인치 차이로 스쳐지나가도록 훈련시킬 수 있었다. 

마지막 훈련은 자동차가 장애물을 회피한 다음 레이싱 라인을 조정해 트랙을 계속 경주하도록 하는 것이었다. 연구진은 비가 오면서 새로운 어려움이 발생했다고 설명했다. 제동 거리가 길어져 차량의 성능을 예측하기 어려운 조건을 생성했었다는 설명이다. 그러나 결국 극복할 수 있었다고 덧붙였다.

테스트 도중 실험 차량에 탑승한 비상 운전자는 인간 운전자라면 달성할 수 없는 수준의 운전 실력이 당성됐다고 인정했다. 인간이었다면 고속 운전 상황에서 장애물을 그렇게 가깝게 회피할 수 없었을 것이라는 설명이었다. 

힐버트는 “인간이라면 불가능한 수준을 달성했다는 피드백이었다. 오직 데이터 기반 알고리즘에서만 가능한 했다고 탑승한 운전자가 전해왔다”라고 말했다. 

한편 해당 알고리즘은 몇몇 놀라운 결정을 내리기도 했다. 연구팀은 레이스트랙 중앙에 문을 위치시키고 실험 차량이 이를 회피하도록 명령했다. 연구진은 차량이 문을 통과하는 결정을 내릴 것으로 추정했지만, 실험 차량은 문을 우회하는 경로를 선택했다. 다음 코너의 존재를 감안할 때 해당 경로가 더 빨랐기 때문이었다. 

힐버트는 이러한 알고리즘을 일반 도로에 적용되도록 하는 것이 궁극적인 목표라고 전했다. 그는 “이러한 종류의 머신러닝 접근법은 더 안전하고 빠르면서도 유지 보수 문제를 줄이도록 도울 수 있을 것으로 기대한다”라고 말했다. ciokr@idg.co.kr



2019.11.04

"레이싱 차량에 자율주행 적용해보니..." 폭스바겐 데이터:랩, 연구 사례 발표

Brian Cheon | CIO KR
모터 스포츠는 자동차 개발 역사에 큰 영향을 끼쳐왔다. 1912년 프랑스 그랑프리에서는 푸조가 최초의 듀얼 오버헤드 캠샤프트를 적용한 차량으로 우승했으며 지난 7월에는 폭스바겐이 3D 프린팅된 부품으로 굿우드 힐 클라임 대회에서 신기록을 달성했다. 이제 ‘폭스바겐 데이터:랩’이 모터스포츠를 통한 자동차 개발 혁신에 새로운 시도를 진행 중이다. 신경망을 훈련시켜 레이싱 카를 운전하도록 한다는 구상이다. 
 
ⓒ 폭스바겐 데이터:랩

독일 뮌헨에 소재한 이 연구소는 지난 2013년 폭스바겐이 데이터 활용 방안을 검토하기 위해 설립됐다. 진행 중인 연구 대부분은 베일에 가려져 있지만, 이번 주 연구소 측은 이탈리아 볼로냐에서 열린 넷앱 데이터 데이 행사에서 자율주행 레이싱 프로젝트에 대해 일부 공개했다. 

연구팀은 다양한 레이싱 트랙 시뮬레이션에서 가장 빠른 주행 경로를 탐색할 수 있도록 자율주행 신경망을 훈련시켰다. 이 과정에는 장애물 우회, 회전 시 곡률, 속도 제한 등의 여러 제약을 추가하는 강화 학습이 적용됐다. 폭스바겐 데이터:랩의 마크 힐버트 박사는 “따지고보면 초보 레이싱 선수를 훈련시키는 방법과 유사하다”라고 설명했다. 

해당 시스템은 먼저 클라우드에서 처음 개발된다. 이후 자율주행 경쟁 대회인 로보레이스(Roborace)에 의해 개발된 플랫폼에서 테스트된다. 마지막으로 실제 테스트를 위해 레이스트랙으로 전송되게 된다. 

연구진은 헝가리에 소재한 잘라존 레이스트랙에서 자율주행 레이싱 알고리즘을 수 차례 훈련 및 테스트했다. 먼저 비상정지와 관련된 훈련이 있었다. 시속 100km의 속도로 달리는 실험 차량이 풍선 차량 앞에 최대한 가깝게 정지하도록 훈련시켰다. 결과적으로 풍선 앞에 45cm 거리에 정지시킬 수 있었다. 

다음에는 객체 회피 조작 훈련이 있었다. 실험 자동차가 풍선 차량에 접근할 때 레이더로 장애물을 감지하고 가능한 최고 속도로 우회하도록 했으며, 그 결과 몇 인치 차이로 스쳐지나가도록 훈련시킬 수 있었다. 

마지막 훈련은 자동차가 장애물을 회피한 다음 레이싱 라인을 조정해 트랙을 계속 경주하도록 하는 것이었다. 연구진은 비가 오면서 새로운 어려움이 발생했다고 설명했다. 제동 거리가 길어져 차량의 성능을 예측하기 어려운 조건을 생성했었다는 설명이다. 그러나 결국 극복할 수 있었다고 덧붙였다.

테스트 도중 실험 차량에 탑승한 비상 운전자는 인간 운전자라면 달성할 수 없는 수준의 운전 실력이 당성됐다고 인정했다. 인간이었다면 고속 운전 상황에서 장애물을 그렇게 가깝게 회피할 수 없었을 것이라는 설명이었다. 

힐버트는 “인간이라면 불가능한 수준을 달성했다는 피드백이었다. 오직 데이터 기반 알고리즘에서만 가능한 했다고 탑승한 운전자가 전해왔다”라고 말했다. 

한편 해당 알고리즘은 몇몇 놀라운 결정을 내리기도 했다. 연구팀은 레이스트랙 중앙에 문을 위치시키고 실험 차량이 이를 회피하도록 명령했다. 연구진은 차량이 문을 통과하는 결정을 내릴 것으로 추정했지만, 실험 차량은 문을 우회하는 경로를 선택했다. 다음 코너의 존재를 감안할 때 해당 경로가 더 빨랐기 때문이었다. 

힐버트는 이러한 알고리즘을 일반 도로에 적용되도록 하는 것이 궁극적인 목표라고 전했다. 그는 “이러한 종류의 머신러닝 접근법은 더 안전하고 빠르면서도 유지 보수 문제를 줄이도록 도울 수 있을 것으로 기대한다”라고 말했다. ciokr@idg.co.kr

X