자율주행에도 ‘눈’이 필요할까요? !!

현재 인공지능(AI) 기술에서 가장 뛰어난 성능을 가진 기술은 딥러닝(Deep Learning)이다. 이 기술의 핵심적인 단계는 데이터셋을 입력받아, 목표 미션을 "학습"하는 것이다. 뛰어난 성능의 기술 확보를 위해서는 데이터의 양과 질이 매우 중요하다. 특히 자율 이동과 관련된 높은 수준의 학습을 요구하는 기술로는 단순한 입력 데이터만으로는 필요한 수준의 학습이 어렵다는 비효율적인 사고점이 발생한다. 이에 의해서 주변의 정확한 3차원 장 아이 수 정보를 다시 공문 센서가 필요하다. 이것이 즉각 라이다 센서의 역할이다. 자율주행의 눈이라고 불리는 고분해능 라이더 기술을 알아보자.라이더 기술은 마이크로웨이브 대신 빛(빛)을 보내 반사하는 신호를 탐지해 주변 장애물에 대한 3차원 좌표를 획득하는 기술을 의미 있는 포괄적인 개념이다.라이더 기술은 매우 다양한 방식으로 구현할 수 있고 응용범위도 매우 넓다. 전통적으로 라이다 그 기술은 모양의 높이와 PM2.5의 측정에 임금 나오고 왔다. 최근에는 자율주행이나 드론 등 인공지능에 재공되는 핵심 센서로 많이 활용되고 있다.

>

자율주행차뿐 아니라 자율이동을 목표로 하는 로봇은 이동을 위해 주변 상황을 인식하는 라입니다. 기술이 필요합니다. 하나부는 레이더, 초음파 같은 센서를 이용하기도 하고, 하나부는 비전센서로부터 받은 선편을 틈틈이 분석해 필요한 정보를 추출하기도 합니다. 그러나 가장 안정적이면서 주변 장애물에 대한 3차원 좌표를 보다 효율적으로 제공하는 측면에서 볼 때 라이프니다 기술만큼의 기술은 없습니다.7년간 라이프니다 기술에 매진해 온 민봉기 박사의 인터뷰에서는 세계 최고 타이틀이라는 전문성이 묻어났다. 변수가 많은 자율 이동은 안전과 직결된 문제이기 때문에 더욱 철저해야 한다는 게 그의 지론이었습니다. 기술은 비전센서의 성능에 비해 뛰어나지만 비용적으로는 고가라는 약점이 있다. 그는 이런 관점을 고려해 다양한 방식의 상용제품 및 후속 관련 조사에 매진하고 있다. 스터드(STatic Unitary Detector) 라입니다.민봉기 박사팀이 확보한 스터드(STUD) 라입니다. 기술은 기존의 라입니다 기술보다 높은 분해능의 3차원 영상을 보다 저렴한 비용으로 제공하는 혁신적인 기술이었다 이를 기반으로 몇년 전에 세계에서 처음으로 한개, 550자신의 미토(nm)파장을 활용한 고 분해능(수직 해상도 240픽셀)라이프니다 조사 시제를 개발했다. 올해 초'CES 20하나 8'에서는 크기, 무게, 전력 소비까지 모두 획기적으로 소형화시킨 세계 최초 도우롱용라이프니다 시작점을 개발하여 전시하였다.

>

기술의 관점에서 회전형 등 기존 방식의 라임 기술은 제품 개발에 성공해도 해외 특허 침해의 소지로 친국어를 할 수 없습니다. 같은 방식을 적용할 경우 후발주자로서 기존 제품에 대한 기술 경쟁력을 갖추기 어려운 귀추이지만, 우리 연구팀이 보유한 스터드 라임 기술은 국내 고유의 IPR(Intellectual Property Rights: 지적 재산권) 구도이기 때문에 이러한 사건점을 근본적으로 해결하였습니다. 선진국이 이미 선점하는 라임 구조에서 자유로워 특허 침해 요소가 존재하지 않습니다.

>

독자적인 기술인 스터드라이더이다 방식은 상대적으로 매우 저렴한 비용으로 고분해능, 고성능 라이다를 구현할 수 있는 특별한 장점이 있다. 이것을 활용해 상용화에 성공했을 경우, 글로벌 경쟁력을 확보하는 관점으로부터 매우 유리해진다고 전망된다. ▶'세계 최초 두론 영 고성능 가끔 안전 라이다ー니다'의 기술과 전망은?"우리 연구 팀은 이번'CES 20하나 8'에서 소형, 경량, 저전력을 모두 실현한 두론 영 가끔 안전 라이다니다을 세계 최초로 개발했습니다.. 때때로 안전 라이더는 일반적으로 매우 크고 소비 전력이 높고 무겁다는 단점이 있습니다. 이를 해결한 모델을 세계 최초로 제시했습니다."기존 드론의 연구에는 일반적으로 905자신의 미토(nm)파장을 활용하는 회전 방식에서 낮은 해상도를 다시 공문은 라이다니, 주로 이용됐다. 그나마 상대적으로 무겁고 정세에 따라 탐지 범위도 줄어드는 단점이 있었다. 그러나 이번에 개발된 모델은 때때로 안전파장을 활용하기 때문에 기본적으로 매우 우수한 성능을 가지며 동시에 소형, 경량, 저전력도 달성하여 기존의 고성능 라이입니다.지닌 한계를 극복하였다. 그래서 더 넓은 분야에서 적용할 수 있을 것으로 기대된다. 인공지능 학습에 라이더니다 센서는 어떤 역할을 할까. 딥러닝의 관점에서 라이다니다는 매우 중요한 역할을 한다. 딥러닝이 가장 발달한 이미지 처리도 과거에는 효율 및 정확성이 크게 떨어졌지만 기술의 진보로 급속히 발전하고 있다. 이런 시도의 가장 큰 한계는 바로 이미지를 활용하는 데 있다.일반적으로 이미지는 가장 쉽게 주변 정보를 획득하는 비결이지만 늘 그렇지도 않다. 예를 들어 조도 화천가가 크다는 것, 안개, 비, 눈 등의 기상 조건에, 그래서 품질이 크게 열화되면 이미 입력 데이터만으로는 필요한 수준의 학습이 어렵다는 것, 자신의 문제점이 발생할 것이다. 이런 이유로 딥러닝 성능도 떨어질 수밖에 없습니다. 글쓰기를 해결할 수 있는 유일한 비결은 라이입니다 기술의 적용이다".

>

기이지 센서는 주변의 조도와 기상 상황에 크게 영향을 받지만, 라입니다. 기술은 고런 상황에서 자유롭고, 보다 고품질로 주변 장애물에 대한 3차원 정보를 획득할 수 있다.일부 글로벌 회사에서는 아직 비전센서만으로 장애물 정보의 위치 정보를 획득하고 있습니다. 그러나 가장 큰 안전을 요구하는 높은 수준의 완전 자율 주행 또는 완전 자율 이동 때문에 높은 분해능 라이프니 타로 획득한 3차원 장애물 정보를 인공 지능에 인식하는 것이 중요한다.고분해능 라이프니타로 획득한 정보를, 인공지능에 인식시키는 것 스토리에서 봉기 박사가 언급한 "안전"의 기술입니다. 소프트웨어가 자율주행의 '두뇌' 역할을 한다면 라죠. 기술은 눈을 담당한다. 자율주행의 눈은 주위 상황을 살피고 두뇌가 장애물을 판단할 수 있도록 감지하는 것이 완벽한 자율주행의 핵심입니다.