눈길 주행 등 위험 환경에서의 반응성 입증
스탠포드대학교Stanford University의 연구원이 인공지능AI를 활용하여 더 안전한 주행을 실현했다. 특히 주목되는 점은 아마추어 경주 드라이버 수준의 정교한 운전을 AI 기반의 자율주행차량이 실현했다는 점이다.
스탠포드대학교의 연구진은 도로의 환경이 학습되지 않은 상황에서도 안전한 운전을 수행하도록 하기 위해 인공 신경망을 설계하고, 일반적인 아스팔트 환경은 물론 얼음이 깔린 북극권의 도로 등 다양한 환경의 테스트 트랙에서 아마추어 자동차 경주 드라이버와 함께 비교 주행을 실시했다.
이 결과 코스와 조건에 대한 정보가 미리 주입된 자율주행 시스템은 10번의 주행에서 숙련된 아마추어 드라이버와 비슷한 랩타임을 기록했다. 현재의 자율주행 차량이 높은 운전 실력을 지닌 사람과 유사한 수준을 갖고 있음을 증명한 것이다.
다음으로 연구진은 도로조건에 대한 사전 정보 입력 없이 신경 네트워크 시스템이 로드된 차량으로 동일한 테스트를 진행했는데, 이때 신경 네트워크 시스템은 도로 조건이 입력된 차량과 유사한 랩타임을 기록했다. 더욱 주목되는 점은 마찰이 심한 시나리오와 낮은 마찰 시나리오에서 코스와 조건 정보가 입력된 시스템보다 더 뛰어난 기록을 나타냈다는 사실이다.
고무적인 결과였지만, 연구진은 더 많은 데이터 기반의 학습이 필요하다고 언급했다. 신경망 시스템이 경험하지 못했던 조건에서는 기대만큼의 반응을 보이지 못했다는 설명이다.
연구진은 “모든 종류의 운전 시나리오에서 많은 양의 데이터가 생성되고 있다”며 “이들 데이터를 활용하여 자율운전 신경망을 개발할 수 있다면 더 안전한 자율주행차가 가능할 것”이라고 말했다.
