[Azure] 자율주행 시대의 개발자

이용이

 

정의선 2.4조 앱티브 투자

코드42 현대차 전략적 투자

 

Level 2~3 = 현재 수준

Level 5 = 완전 자율 주행

 

 

*센서/감지 기술

GPS - DGPS, GPS-RTK 수십 cm 오차

IMU - 차량 위치 추정에 필요, 외부 환경에 강건

Camera - 조명 환경 변화에 취약, STRADVISION

LiDAR - 중간 해상도, 높은 비용, 조명 환경 변화에 강건, 1대에 1~2천만원

RADAR - 눈, 비, 야간 환경에 강건, 낮은 해상도(인지 불가)

HD Map - 정밀 지도, 구축에 많은 비용이 들고 지속적인 업데이트 필요

 

*위치 추정

자동차의 위치를 실시간으로 정확하게 알아내는 기술

GPS는 주기가 느리고 음영 지역이 많아 도심지에서는 신뢰도가 떨어짐

해결책 : Visual SLAM (연속적인 카메라 또는 라이다 정보로부터 상대적 위치를 추정하는 기술)

딥러닝 기반의 위치 추정 : 2D image sequence -> DL -> 6DOF Poses

HD-MAP

Naver Labs

 

*개체 인지

(카메라)

딥러닝 기반의 방법들로 우수한 성능 보장할 뿐만 아니라 높은 수준의 의미론적 정보 추론

Computing power의 발달, On-Device AI 가능

Redundancy : 라이다, 레이더, HD Map 을 이용한 상호 보완

 

(라이다)

검출 정확도는 아직 카메라에는 못 미치는 수준

VUERON

KODAS Dateset

Velodyne : 1대에 1.2억

 

*경로 계획/제어 기술

지도 정보, 목적지, 차량의 현재 위치를 기반으로 가능한 경로를 생성하는 기술

WAYVE

실제 환경에서의 실험이 어렵기 때문에 주로 가상 환경에서 실험

AirSim

MORAI

ThorDrive

a2z : 경산

MARS

 

*Developers in 자율주행 시대

구글 웨이모 1위

GM 크루즈 2위

인프라 부족, 비즈니스의 주도권 문제, 사회적 정치적 합의

 

CES 2020 Trend

 

이동수단 (사람 + 사물)

생활공간(공간 연속성)

정보/소통기기(Infotainment)