[세미나] 모두의 연구소 페이퍼샵: 자율주행 산업 생태계와 주요 기술 소개 (24.05.14.)

💡 본 문서는 동서울대 이성진교수님의 '[MODUPOP×PaperShop] 자율주행 산업 생태계와 주요 기술 소개' 세미나을 바탕으로 작성한 글이니 참고하시기 바랍니다.

Intro

모두의 연구소 차원에서 국제학회에 논문 투고시 게재비 최대 200만원 지원해줌.

ADLab: 자율주행 모빌리티를 연구하는 연구실

• Vision Based Perception
• Path Planning 알고리즘 분석 및 개발
• End to End Learning 관련 연구
• 데이터셋 구축, Fine Tunning 등

다양한 기자재가 있으며, 연구 최대한 활용하는 것을 목표로.

중국이 매우 잘함. L4 Level의 자율주행 회사의 기술이 상당히 높으며, 사업화를 하고 있는 회사도 많음.

• Waymo는 정확한 지점 기반 운전으로 코너링이 부드럽지 않은 반면에, Tesla는 Vision 기반으로 부드럽게 운전함. 
• Waymo는 고속도로가 아닌 HD Map이 있는 단거리만 이동 가능하나, Tesla는 Map dependency가 낮아 Scalability가 높음.

중국이 현재 매우 잘하고 있음. 중국의 운전 난이도가 높은 것을 고려하면 타 국가에 적용하면 더 우수한 성능이 가능할 것으로 예상

Tesla는 맵이 없기에 micro Map을 만들어서 상용하지만, Waymo는 HDMap을 구축한 후 활용함

HW 성능이 받춰줘야 좋은 성능의 알고리즘을 사용할 수 있으니, HW 연산 능력이 중요함.

올해의 CES의 주 테마가 SDV일 정도로 소프트웨어 플렛폼 개발이 중요함. 

다양한 테스크가 존재하며 최근에는 이를 End2End Learning으로 풀려고 노력하는 중.

연구 결과물

LiDAR만으로는 성능이 그리 좋지 않음. 그 중 Jitter로 약간 변이를 주는 것이 성능이 좋아졌으나 그닥 좋아지지 않음.

Transformer보다 오히려 BiFPN, PFPN의 성능이 좋게 나옴.

주행속도는 A*가 가장 빠르나, RRT*가 차량에서 사용하기에는 가장 안정적

Neural View Transformer & Image Encoder 최적화 하는 과정을 중점적으로.

InternImage-T Backbone이 성능이 가장 우수했으나, Crosswalk에서 성능이 좋지 않음.

End to End Learning 구현 및 최적화를 위한 계획을 하고 있음.

후기

원래 BEV 쪽에 관심을 가지고 있었으며 3D OD 쪽 연구를 진행중이었는데, 이번에 NVIDIA-Autonomous Driving Lab(ADLab)이 개설된다는 소식을 듣고 세미나 신청과 함께 랩신청을 하였다. 결론적으로는 랩 내에서 짧은시간에 꽤나 의미있는 연구를 할 수 있을 것 같았다.  학부연구생과 병행하려면 많이 힘들겠지만, 석사 진학을 생각하고 있으니 더욱 열심히 참여해봐야겠다.