자율주행 대규모 인지 데이터 관리 기술
Q) 자율주행에서 딥러닝 인지 모델을 학습시키기 위해서 엄청난 양의 데이터를 수집해야한다. 효과적인 방법은?
→ 자율주행 차량이 주행하면서 데이터를 수집하고 이를 무선통신을 통해 클라우드로 전송하면 별도의 데이터 수집 차량을 이용하지 않고 학습 데이터를 수집할 수 있다.
학습 내용)
1.
자율주행 대규모 인지 데이터 관리 기술 개요
2.
대규모 인지 데이터 관리 기술 소개
keyword 1)
데이터 취득 및 라벨링
→ 전용 차량, 자율주행차, 인프라, 엣지를 이용한 데이터 취득
keyword 2)
학습 및 검증
→ 클라우드에서 인지 모델 학습
→ 테스트 데이터, 실도로, 시뮬레이터에서 인지 모델 검증
keyword 3)
탑재
→ 학습된 모델을 OTA를 통해 각 자율주행차로 전송하여 업데이트
→ 지속적인 업데이트
자율주행 대규모 인지 데이터 관리 기술 개요
•
자율주행 인지를 위한 딥러닝 모델을 학습시키기 위해 엄청난 양의 트레이닝 데이터가 필요
머신러닝 기술의 성능
일회성의 데이터 수집으로 학습한 모델 → 다양한 상황에 대해 대처 불가능
Q) 인지 기술 발전과 안전성 확보를 위해서는?
대규모 인지 데이터 관리 기술 소개
자율주행 데이터 수집
•
데이터 취득을 위한 전용 차량을 통한 학습데이터 수집
•
실제 자율주행차에서 수집된 데이터를 클라우드로 전송
•
인프라, 엣지 등에 센서를 장착하여 데이터 취득
데이터 선별 및 검증
•
데이터의 라벨링 과정에 많은 비용과 노력 소요
•
현재 학습된 모델을 향상시키는데 도움이 되는 데이터만 선별
능동 학습 (Active Learning)
•
불확실성이 큰 데이터만을 라벨링하여 적은 수의 데이터만으로 학습 성능을 극대화시키는 전략
→ 선별한 데이터 라벨링 수행 후 검증 과정 중요
학습 (트레이닝)
•
대규모의 학습 데이터를 이용하여 자율주행 인지 모델을 트레이닝
•
클라우드에서 전용 딥러닝 하드웨어 사용 → 오랜 계산시간 소모
→ 최적의 딥러닝 구조 선정 및 하이퍼파라미터 튜닝
검증 및 테스트
•
테스트 데이터를 이용한 인지 기능 테스트
•
실도로에서의 시나리오별 자율주행 기능 검증
•
시뮬레이션을 통한 인지 성능 테스트
•
실제 자율주행차에 추가적으로 탑재하여 섀도우 모드로 테스트
탑재
•
검증이 된 자율주행 모델을 소프트웨어 OTA를 통해 차량에 탑재
•
지속적으로 소프트웨어 관리 및 업데이트 수행
데이터 관리를 위한 플랫폼 구축
•
클라우드를 중심으로 실시간으로 수집되는 대규모의 주행, 교통, 센서 데이터 관리
•
증가하는 데이터의 규모를 다룰 수 있는 클라우드 서버 기술과 데이터베이스 확보
•
라벨링을 의한 비용을 최대한 줄이는 것 필요
•
자율주행차와 클라우드가 정보를 주고 받기 위한 통신 및 OTA 기술 중요