자율주행차를 극한의 테스트에 투입하기 위한 Toronto - Waterloo 연구 자료: 캐나다 겨울 확인해볼까요

>

새롭게 Dataset을 통해 엔지니어는 눈이 내리는 날씨로 인한 인지 과제를 극복할 수 있는 자율주행차용 새로운 알고리즘을 테스트하고 수정할 수 있게 될 것입니다.토론토대, 워털루대, Scale AI(University of Toronto, University of Waterloo, Scale AI)의 협업으로 새롭게 공개된 데이터는 겨울철 운전의 도전을 다루기 위해 미래의 자율주행차를 훈련시키는 데 도움이 될 것입니다.그들의 팀과 함께 응용과학공학부 Toronto 대학 항공 우주 연구소의 스티븐 Steven Waslander 부교수, Waterloo 대학의 Krzyszt of Czarnecki 교수는 캐나다 불리한 주행 조건 Dataset(Canadian Adverse Driving Conditions Dataset, CADC)을 공개했습니다. 동 sound로 덮은 캐나다 도로의 실제 스캔에 근거한 이 Dataset은 자동차가 스스로 운전할 수 있는 컴퓨터 알고리즘을 위한 가상 훈련 코스의 역할을 할 것입니다."전에 많은 훌륭한 훈련 Dataset이 있는데, 그것들은 화창하고 여름날 수집되었다"고 Waslander는 예기할 것입니다. 저런 Dataset에 대해 훈련된 알고리즘을 사용해 불리한 조건으로 사용하려고 하면 그들은 괴로워하는 경향이 있다. 이들은 보행자나 다른 차량 같은 물체를 잘못 분류하거나 심지어 완전히 놓치기도 하는데, 이들은 모두 폭설로 인한 센서 데이터 변천 때문입니다."

>

이 문재를 해결하기 위해 두 교수는 Waslander가 캐본더로 운전하려고 할 때 보이는 최악의 조건의 일부라며 이 이야기를 나눌 Dataset을 만들기로 결정했다.우리는 새롭게 아이디어를 창출하고 혁신을 가능하게 하기 위해 연구 커뮤니티를 참여시키고 싶다."라고 Czarnecki는 내용합니다. 이건 여러분이 정말 어려운 문제를 해결하는 방법입니다. 누군가 스스로 해결하기 위해서는 더 이상의 큰 문제를 해결할 수 있다.이 Dataset은 8대의 온보드 Camera, LiDAR(광감지 및 범위조정) 스케이더, GPS 추적기 등 모든 센서를 장착한 Lincoln MKZ hybrid인 Autonomoose로 만들어졌습니다. Waslander와 Czarnecki는 자율 주행 소프트웨어 테스트 베드로서 차량을 개발했지만 Autonomoose는 초당 한 0개의 영상 이본의 스캔 속도에서 데이터를 저장하는 녹화 모두 갖추고 있습니다.​ 이 두번의 겨울 동안 이 팀은 남서쪽 온타리오(Ontario)주 일대에 Autonomoose를 가지고 왔고, 일, 000㎞이상의 주행 데이터를 기록했습니다. 이 가운데 치열한 눈 오는 조건으로 약 33km를 선택하고 Dataset의 기초를 형성했다.이들 팀은 샌프란시스코에 본사를 둔 AI인프라 기업의 스케일 AI와 협력해 이 데이터에 라벨을 붙였습니다. 컴퓨터와 인간의 리드하는 것의 인식의 조합을 통해서 Scale AI는 지봉잉의 차 1만 8천 건과 보행자의 만 3천건 이상에 태그를 붙였습니다."데이터는 현재의 기계 학습 연구에서 중요한 보틀 넥이다, 라고 Scale의 설립자 겸 CEO인 Alexandr Wang은 내용했다. 겨울 운전 현실을 경험하는 믿을 수 있는 고품질 데이터가 있어야 이런 환경에서 안전하게 작동하는 자율주행 시스템을 구축할 수 있을 것입니다.마지막으로 각 팀은 통계 분석, 처리 및 검증을 수행하였으며, 현재 사용 가능한 소프트웨어로 데이터를 구문 분석할 수 있는 형식으로 배치하였습니다. 그 결과: 최고의 성능을 발휘하는 캐본더 겨울 운전을 대표하는 가상 환경.Dataset 이외에도 팀은 GitHub에 모두 문서와 지원 툴을 제공하여 arXiv에 유출적으로 게시된 과학 기사를 제공하고 있습니다. 모두 개방하여 연구자에게 free로 이용할 수 있습니다. (상용 제품의 개발에 이용하려면 추가면 합격이 필요합니다.) "우리는 산업계와 학계의 양쪽이 그것을 미치길 바라고 있습니다"라고 Waslander는 내용합니다. 우리는 세계 곳곳에서 운전하고 있고 악천후도 앞으로 일어날 조건이다. 우리는 여기서 조건이 조금 어려워질 수 있기 때문에 케봉잉 한 0년 또는 일 5년 담쵸지는 것을 원치 않는다."Waslander와 그의 팀은 그들의 장래의 작업에 그 데이터를 광범위하게 사용할 것 합니다.내연구실에서는겨울운전인식에대한문재를해결하기위해강력한연구프로그램을구축하고있다.라고그는내용합니다. 악천후로 물체를 발견하고 추적하기 위해 개발한 기술이 결국 세계 미래형 자율주행차의 소프트웨어 패키지로 통합돼 모든 사람에게 안전해지기를 기대하고 있습니다.삽입제가 전해드리는 뉴스 중 가장 하고 싶지만 쉽지 않은 영역이 아마 기술적인 부분이 아닐까 싶어요. 기술적인 배경이 없으면 이해하기도 어렵고, 잘못된 소개를 할 수도 있기 때문에 항상 신중한 감정으로 소개를 해드리는 것이라고 생각합니다. 이 부분은 점점 강해지는 것 같아요.그럼에도 불구하고 가끔 전해 드리는 자율주행차의 인지 능력에 대한 센서가 있는 것 같습니다. 가장 자주 전해드리는 소식은 camera와 LiDAR에 대해서 입니다. 현재 자율주행차 개발에서 경제적인 부분과 안전을 우선하는 두 그룹의 개발방향에서 등장하는 센서들이다. 물론 LiDAR의 사용여부가 그 안에 있습니다.현재는 Camera와 AI의 소프트웨어는 자율주행을 실제 도로에 배치하기 위해 노력하는 기업들에 의해 적극적으로 개발되고 있는 상황입니다. 아직 실제 판매로 이어지는 것은 아니지만, 다소 먼 미래의 보다 안전한 자율주행 기술을 위해 LiDAR을 사용하는 기업의 연구는 끊임없이 계속되고 있습니다. 최근에는 저렴한 LiDAR가 등장하여 몇몇 기업에서 경제적 타당성 테스트를 진행하고 있습니다.이러한 보다 확실한 인지능력을 가지기 위해 센서 수, 설치위치 등 다양한 방법을 통해 자율주행차 개발에 나서고 있는데 대부분의 자율주행 개발업체들은 본인의 자율주행차를 의미하고 날씨가 좋은 곳에서 테스트를 하고 있습니다. 미국을 예로 들면 서부지면을 중앙에 주변주(State)에 테스트가 집중되어 있다고 할 수 있습니다. 최근 들어 Florida, Washington, Detroit 등 약간의 날씨 영향을 받는 지면으로 테스트 지면을 확대하고 있습니다. 하지만 아직 본격적이라고는 할 수 없습니다.날씨의 영향 중 가장 혹독한 조건이 눈(Snow)이 아닐까 생각합니다. 대부분의 자율주행차는 Camera를 이용하여 도로의 분리선을 구분한 후 가운데를 따라 이동합니다. 하지만 눈이 내린 경우 대부분 도로 구분을 할 수 없습니다. 해당공지는그런환경에서의자율주행테스트결과를Dataset으로구성하고유출됩니다.캐본인더는 아무래도 미국보다 북쪽에 위치해 있기 때문에 본인들의 자율주행차 개발을 위해 넘어야 할 장어린수는 이런 날씨에 대한 생각이 아닐까 생각합니다. 눈과 관련된 자율 운전 소식은 이전에도 여러 번 전해드린 것 같습니다. 핀란드 헬싱키에서 자율 주행 셔틀 운행하는 Sensible4와 눈이 쌓인 땅을 확인할 수 있는 기술을 갖고 있는 WaveSense을 소개하였습니다.지금까지 자주차는, 그 본인마의 날씨의 영향이 적은 지면에서의 개발이 활발했지만, 점차 그 관심이 높아져, 땅보다도 넓은 땅, 나라.로 확장되어 가는 것이라고 합니다. 그렇기 때문에 본인들이 가지고 있는 자연환경뿐만 아니라 교통문화 등의 물에도 대한 생각과 연구도 이루어진다고 합니다. 물론기술적으로극복할수있는부분에서해결할수있는것은그본인간의접근이쉽지만사람들의다양한이해관계는정내용해결이쉽지않은문재가될것입니다. 이런말괄량이물을해결해나가는과정은그렇게짧지않을것같습니다. 그래도 조금이라도 앞으로 본인이 될 수 있는 환경을 조성하는 것이 중요하다고 생각합니다.자료를 유출한 저자가 밝힌 것처럼 이번 극한 날씨 상황에서 자율주행 Dataset 공유는 관련 연구를 하는 사람들에게 좋은 기회가 되지 않을까 싶습니다. 앞으로도 각 지면별, 정세별 다양한 데이터 공유는 보다 본인이 자율주행 개발 환경을 만들 수 있지 않을까 생각합니다. WEF에서도 이러한 이유로 Dataset 공유를 추진하고 있습니다.Autonomoose에서 눈 위에서 운행하는 동영상입니다.

공개된 Canadian Adverse Driving Conditions Dataset 사이트이다.

p.s 검색으로 보시고 만약 원하시는 말을 못보신다면 '태그' 역시 '검색'을 해보시면 더 많은 자료를 찾을 수 있습니다. 그래도 뭔가 찾을 것이 없다면 저에게 연락 주시면 (이메일, 편지), 제가 알고 있는 범위 내에서 도와드리도록 하겠습니다. 아무것도 가지지 않아도 됩니다.Over the Vehicle!!!참고 자료

​