자동차 레이더의 수준을 한 단계 더 끌어올린 머신러닝
일부에서는 차량 자동화의 최대 난제로 주행 목적지와 경로를 알려주는 알고리즘 즉, 자율주행 경로계획 및 정책을 개발하는 것을 꼽습니다. 그러나 이것은 사실이 아닙니다. 실제로 차량 자동화의 최대 과제는 감지 및 인지에 있습니다. 자율주행 경로계획 및 정책 기능이 제대로 실행될 수 있기 위해서는 가장 정확하고 믿을 수 있는 환경 모델을 안정적으로 생성하는 인지 시스템을 구축하는 것이 필요합니다. 따라서 인지 시스템은 더 높은 수준의 자동화를 실현하기 위해 필수적입니다.
OEM 업체들은 차량이 생명을 구하는 능동적 안전 기능을 실현할 수 있도록, 차량에 구축할 최고의 인지 시스템을 찾고 있는 가운데, 레이더는 시스템 비용이 낮고 광범위한 날씨 및 조도 조건에서 탁월한 복원력을 발휘하는 등의 다양한 이점을 선사합니다.
이러한 특성 덕분에 레이더는 차량의 환경 모델 구축을 위한 이상적인 기반이 되고 있습니다. 차량의 기본적인 경고 기능에서 그치지 않고 주행보조 및 주행자동화 기능 등 한 차원 높은 기능을 제공하는 상황에서 특히 그렇습니다. 인텔리전스를 중앙 집중화하고 적당한 방식으로 머신 러닝을 적용하면 차량의 성능이 극대화되는 효과를 얻을 수 있으며, 따라서 차량이 레이더의 강점을 적극 활용하도록 하는 동시에 차량의 데이터를 다른 감지 방식과 퓨전할 수 있게 됩니다. 이렇게 하면 OEM은 최첨단 기능을 제공하는 자율주행 경로계획 및 정책기능의 설계 및 구현할 수 있는 최고의 기반을 조성할 수 있게 되어 결국 가장 까다로운 코너 케이스도 해결할 수 있습니다.
이 백서에서 머신 러닝으로 레이더 및 다른 감지 방식으로 수집된 데이터의 대부분을 최대한 활용하는 방법을 살펴보고 이 기술의 실제 활용 사례도 확인해 보십시오.