소개

자율주행차는 이름에서 알 수 있듯이 운전자 없이 스스로 운전하는 자동차입니다.

이 주제를 탐구하고 수십 년 동안 우리를 매료시킨 이 놀라운 기술의 표면을 벗겨내기 전에 Wikipedia에서 공식적인 정의를 읽어 봅시다.

“ 자율주행 자동차 , 무인 자동차 또는 로봇 자동차 ( 로보카 ) 라고도 하는 자율 주행 자동차는 사람의 개입 없이 이동할 수 있는 자동차입니다.”

자율이라는 단어를 사용하고 자동차를 세 가지 주요 범주로 분류하는 것이 더 적절할 것입니다.

· 자율주행차

· 반자율주행차

· 완전자율주행차.

자동차를 운전하는 일에는 지능이 필요한데, 자동차 안에서는 AI(인공지능)를 통해 지능이 구현된다. 그림에서 이 지능은 로봇으로 표현됩니다.

비자율 자동차: 로봇/AI의 추가 지원이 없는 기존 자동차입니다. 사람이 모든 작업(가속, 제동, 운전 등)을 수행합니다. 이를 Fig.

반자율 자동차: 인간 운전자는 여전히 운전해야 합니다. 그러나 AI/로봇의 도움을 받을 수 있습니다. 예를 들어, 자동차는 환경을 이해하고 다양한 작업을 지원할 수 있지만 대부분의 의사 결정은 여전히 ​​인간의 통제하에 있습니다. 주차, 특정 지역에서 스스로 주행, 스스로 차선을 식별하고 변경하는 등의 작업을 보조할 수 있습니다. 스스로 차선에 있을 수 있고, 운전자가 주의를 기울이지 않을 때 운전자에게 경고하는 등의 작업을 할 수 있습니다. 그림에서 제가 이러한 보조를 표현하고 있습니다. 도움을 좋아하는 로봇을 통해. 이것은 그림 b로 표시됩니다.

자율주행차: 운전자가 운전대에서 벗어나 자동차가 모든 작업을 스스로 수행합니다. 그림은 바퀴에 앉아 있는 로봇으로 표현됩니다. 이것은 그림 c로 표시됩니다. 자율주행차의 실제 표현은 그림 d입니다.

활성화 기술

자율 주행 자동차든 인간이든 모든 시스템의 기본 작동 원리는 동일하게 유지되며, 입력을 얻거나 환경에서 자극을 받고 입력을 처리하여 지식/정보를 대량 생산한 다음 해당 지식을 기반으로 행동합니다. 환경에서 어떤 행동을 취함으로써.

휴먼 시스템

우리 자신을 상상하는 것부터 시작해서 우리가 이 세상에서 어떻게 기능하는지 봅시다

입력 획득(센서): 환경에서 입력을 수집하려면 시스템 내부에 정보를 전달하는 센서가 필요합니다. 우리를 위한 그 센서는 눈, 귀, 코, 혀, 피부의 유명한 다섯 가지입니다.

처리 입력(뇌): 시각, 소리, 촉각, 후각, 느낌 또는 이들의 조합의 형태로 다양한 감각의 입력이 뇌에 도달하여 이를 추가로 처리하고 적절한 조치를 제공합니다.

행동하기(액추에이터): 뇌의 결정에 따라 신체적, 언어적 또는 표현을 통해 특정 행동을 취합니다.

자동차를 운전하고 있다고 상상해보십시오. 눈을 통해 장면을 보고(환경에서 정보를 얻는 센서) 교통 신호가 빨간색으로 바뀌면 정보가 뇌에서 처리된 다음 정지하도록 지시합니다. 이것은 다리를 통해 브레이크를 밟아 천천히 수행됩니다(작업은 환경에서 수행됨).

이 설명을 가지고 자율주행차에 비유해보자.

자율주행차

입력(센서)

자동차의 수많은 센서는 환경에서 물리적 입력을 얻는 데 도움이 됩니다. 다양한 센서를 나타내는 다이어그램이 아래에 나와 있습니다. 그러나 이 센서의 위치, 종류, 수량은 자동차 제조사의 설계에 따라 다를 수 있습니다.

자율주행을 가능하게 하는 세 가지 가장 중요한 센서는 카메라, 라이더 및 레이더입니다.

1. 카메라: 카메라 센서는 사용하는 카메라에 따라 가시 광선 또는 적외선 영역에서 이미지와 비디오를 캡처합니다. 카메라 센서는 자동차의 눈 역할을 하며 적절한 결정을 내릴 수 있도록 장면에 어떤 물체가 있는지, 어디에 있는지와 같은 환경에 대한 많은 정보를 얻는 데 도움이 됩니다.
2. LiDAR: 빛 감지 및 거리 측정은 환경에 대한 완전한 360도 3D 이미지를 제공하기 때문에 자율 주행 자동차에서 널리 사용됩니다. 이것은 개체에서 반사된 레이저 빔을 수집하여 작동합니다. 방출된 레이저 빔은 안전하며 사람의 눈에는 보이지 않습니다. 카메라에 비해 LiDAR의 장점은 광원이 있고 가시광선에 의존하지 않기 때문에 어떤 날씨 조건에서도 작동할 수 있다는 것입니다.
3. RADAR: 무선 감지 및 거리 측정 센서는 물체에서 다시 센서로 반사되는 무선 주파수 신호의 펄스를 방출하여 작동합니다. 방출된 신호와 수신된 신호 사이의 시간 차이는 다른 차량에 대한 물체의 거리와 위치를 추정하는 데 도움이 됩니다. 이것은 야간 운전이나 악천후와 같은 가시성이 낮은 시나리오에서 비전 센서를 보완합니다. 악천후에서도 거리와 속도 및 범위 측정에 더 안정적입니다.

카메라와 Lidar가 캡처한 샘플 장면이 AI 알고리즘에 의해 감지된 물체와 함께 표시됩니다.

처리(AI 및 하드웨어):

AI(인공 지능)

데이터가 수집되면 다양한 강력한 하드웨어 구성 요소에서 AI 알고리즘에 의해 처리됩니다. AI 알고리즘은 다양하지만 최근 이 분야에 박차를 가하고 있는 가장 대중적인 AI 알고리즘은 딥러닝 알고리즘이다.

딥 러닝 알고리즘은 생물학적 뉴런에서 영감을 얻은 인공 신경망이며 데이터에서 직접 학습할 수 있습니다(이 작업은 아기에게 고양이와 개 또는 그들의 사진을 보여줌으로써 고양이와 개가 무엇인지 가르치는 방식과 같습니다.) . 이러한 알고리즘은 선형 대수, 확률, 통계 및 미적분 영역에서 다양한 수학적 개념을 지능적으로 사용하여 작동합니다.

신경망의 한 예와 학습 내용은 다음과 같습니다.

널리 사용되는 딥 러닝 알고리즘은 다음과 같습니다.

· 다층 퍼셉트론(완전히 연결된 신경망).

· 컨볼루션 신경망.

· 순환 신경망.

· 강화 학습.

하드웨어(GPU)

적절한 하드웨어가 없으면 어떤 제품도 내놓을 수 없습니다. AI를 위한 강력한 GPU(Graphical Processing Unit)의 개발은 이러한 복잡한 알고리즘의 등장을 촉진했습니다.

GPU는 이전에 이미지 처리를 위해 게임에 사용되었습니다. CPU(중앙 처리 장치)와 달리 복잡한 AI 알고리즘의 컴퓨팅 요구 사항을 충족하는 데 도움이 되는 병렬 처리가 가능합니다.

CPU와 GPU 의 놀라운 데모 보기

Nvidia의 GPU 중 하나는 다음과 같습니다.

액추에이터

다양한 제어 조치를 취하기 전에 자동차의 경로와 궤적을 계획하는 경로 계획이라는 구성 요소가 하나 더 있습니다. 우리는 여기서 논의하지 않습니다.

센서 데이터에서 지식을 획득하면 AI 알고리즘은 환경에 대해 학습하고 올바른 가속, 브레이크 또는 스티어링 휠 방향이 될 수 있는 올바른 동작을 정의합니다.

자율주행차의 장점

자율주행차가 제공할 수 있는 몇 가지 이점

· 인적과실(부주의 운전, 음주운전 등)로 인한 사고가 완화됩니다.

· 노약자, 병자 또는 장애인에게 안전하고 신뢰할 수 있는 통근을 제공할 수 있습니다.

· 더 나은 교통 규제를 제공할 것입니다.

· 에너지 소비를 최적화하고 배출량을 줄입니다.

· 운전 시간이 많이 절약됩니다.

도전

자율주행차의 이러한 이점은 유망하고 흥미롭지만 도로에서 완전 자율주행차를 보기 전에 극복해야 할 수많은 과제가 있습니다. 몇 가지 과제는 다음과 같습니다.

· 이 기술은 복잡한 알고리즘에 의해 구동되므로 해커의 보안 위험을 야기하는 많은 소프트웨어와 수백만 개의 코드가 있을 것입니다.

· 또 다른 큰 도전은 윤리적이고 철학적일 것입니다. 예를 들어, 사고가 났을 때(가능성은 적겠지만 제거할 수는 없습니다) 누구의 책임을 져야 할까요?

· 운전 중 인간의 표정을 통한 다양한 행동 결정과 소통이 있는데, 자율주행차는 그런 부분들을 고려할까?

· 또한 이 기술의 비용은 여전히 ​​높습니다.

· 다양한 인구통계학적 지역은 서로 다른 문제를 겪게 될 것입니다. 예를 들어 인도와 미국의 운전 시나리오는 다릅니다.

· 무수히 많은 자율주행차가 달리고 소통하는 생태계를 조성하는 것, 환경도 과제가 될 것입니다.

결론

이것은 놀랍고 흥미로운 과학 및 공학의 어깨 위에 놓여 있는 이 마법 기술에 대한 간략한 개요였습니다. 반자율 및 완전 자율 차량을 도로에서 사용하기로 결정한 여러 회사에서 수행하는 실제 테스트가 많이 있습니다.

내 기사가 도움이 되고 지원하고 싶다면 — Buy ​​me a Coffee