광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[자율주행차] 코넬 대학교(Cornell University)의 연구원 팀은 자율주행차량이 이전 경험의 "기억"을 생성할 수 있도록 하는 새로운 방법을 개발하여 향후 탐색에 사용할 수 있다. 이는 이러한 자율주행차가 악천후 환경에서 센서에 의존할 수 없을 때 특히 유용하다.

https://www.unite.ai/new-method-helps-self-driving-cars-create-memories/

JM Kim | 기사입력 2022/06/27 [00:00]

[자율주행차] 코넬 대학교(Cornell University)의 연구원 팀은 자율주행차량이 이전 경험의 "기억"을 생성할 수 있도록 하는 새로운 방법을 개발하여 향후 탐색에 사용할 수 있다. 이는 이러한 자율주행차가 악천후 환경에서 센서에 의존할 수 없을 때 특히 유용하다.

https://www.unite.ai/new-method-helps-self-driving-cars-create-memories/

JM Kim | 입력 : 2022/06/27 [00:00]

과거로부터 배우기

 

인공 신경망을 사용하는 현재의 자율 주행 자동차는 과거에 대한 기억이 없다. , 처음으로 사물을 끊임없이 '보는것이다. 그리고 이것은 그들이 똑같은 길을 몇 번이나 운전했는지에 관계없이 사실이다.

 

킬리언 와인버거(Killian Weinberger)는 이 연구의 수석 저자이자 컴퓨터 과학 교수이다.

 

"기본적인 질문은 반복되는 탐색에서 배울 수 있을까?" Weinberger가 말했다. "예를 들어, 자동차는 레이저 스캐너가 멀리서 그것을 처음 인식할 때 이상한 모양의 나무를 보행자로 착각할 수 있지만 일단 그것이 충분히 가까워지면 물체 범주가 명확해질 것이다. 따라서 안개나 눈 속에서도 똑같은 나무를 두 번째로 지나칠 때 자동차가 이제 그것을 올바르게 인식하는 법을 배웠기를 바란다.”

 

박사 과정 학생인 Carlos Diaz-Ruiz가 이끄는 이 그룹은 LiDAR 센서가 장착된 자동차를 운전하여 데이터 세트를 만들었다. 18개월 동안 총 40 15km의 루프를 돌았다. 다양한 테스트 드라이브는 다양한 환경, 기상 조건 및 시간을 포착했다. 이 모든 작업으로 600,000개 이상의 장면이 포함된 데이터세트가 생성되었다.

 

Diaz-Ruiz "자율주행 자동차의 주요 과제 중 하나인 열악한 기상 조건을 의도적으로 노출한다. "거리가 눈으로 뒤덮이면 인간은 기억에 의존할 수 있지만 기억이 없으면 신경망이 크게 불리하다."

 

 

HINDSIGHT MODEST

 

HINDSIGHT라고 하는 접근 방식 중 하나는 신경망을 사용하여 자동차가 객체를 지나갈 때 객체의 설명자를 계산한다. SQuaSH라고 하는 이러한 설명은 압축되어 가상 지도에 저장되어 우리가 뇌에 자신의 기억을 저장하는 방식과 유사한 유형의 "기억"을 만든다.

 

자율 주행 자동차가 미래에 같은 위치를 횡단할 때 경로를 따라 있는 모든 LiDAR 지점의 로컬 SQuaSH 데이터베이스를 쿼리하여 학습한 내용을 "기억"한다. 지속적으로 업데이트되는 데이터베이스는 차량 간에 공유되어 더 많은 정보를 제공하여 인식을 개선하는 데 도움이 된다.

 

Yurong You는 박사과정 학생이다.

 

"이 정보는 모든 LiDAR 기반 3D 물체 감지기에 기능으로 추가될 수 있다."라고 You가 말했다. “검출기와 SQuaSH 표현은 시간과 노동 집약적인 추가 감독이나 사람의 주석 없이 공동으로 훈련할 수 있다.

 

HINDSIGHT MODEST(임시성과 자가 훈련Ephemerality and Self-Training을 사용한 모바일 객체 감지Mobile Object Detection)라는 추가 연구를 수행하는 팀을 도울 것이다. MODEST는 이 프로세스를 진행하고 자동차가 전체 인식 파이프라인을 학습할 수 있도록 한다.

 

HINDSIGHT는 인공 신경망이 이미 물체를 감지하고 기억을 생성하는 능력으로 증강되도록 훈련되었다고 가정하는 반면 MODEST는 인공 신경망이 물체나 거리에 노출된 적이 없다고 가정한다. 동일한 경로를 여러 번 탐색한 후 환경의 어느 부분이 고정되어 있거나 움직이는 물체인지 학습한다. 이 프로세스를 통해 시스템은 다른 트래픽 참가자로서 주의해야 할 사항을 스스로 학습할 수 있다.

 

이 알고리즘은 초기 횡단을 구성하지 않은 도로에서도 물체를 안정적으로 감지하는 능력을 보여주었다. 팀은 이러한 새로운 접근 방식이 자율 주행 차량의 개발 비용을 줄이고 효율성을 높일 수 있다고 믿는다.

 

 
자율주행차, 기억, 센서, 인공신경망 관련기사목록
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
자율차,드론, 교통, 에너지,기후 많이 본 기사