자율주행 6단계 완벽 가이드
이 글에서는 자율주행의 6단계를 살펴보고, 현재 업계 표준과 자율주행 차량의 향후 발전 가능성을 논의합니다. 본 글은 AI 번역 기사입니다. 오역이 있다면 댓글로 알려주세요.
Created on September 15|Last edited on September 15
Comment
자율주행은 자동화 수준에 따라 여섯 단계로 분류됩니다. 미국자동차기술자협회(SAE)가 정한 분류로, 범주는 레벨 0부터 레벨 5까지 이어지며, 자동화가 전혀 없는 상태부터 완전한 자율주행 차량까지 포함합니다.
크게 보면, 자동화 수준은 다음과 같이 이해할 수 있습니다:
- 레벨 0완전 비자동화
- 레벨 1매우 경미한 자동화(크루즈 컨트롤 등)
- 레벨 2일부 자동화가 있으나 항상 운전자의 주의가 필요함
- 레벨 3자율 주행이 가능하지만, 악천후나 가혹한 조건에서는 운전자 개입이 필요함
- 레벨 4: 고도의 자동화
- 레벨 5완전한 자율주행
자율주��차의 6단계, 이미지: 작성자 제공
목차
목차자율주행차의 현황자율주행의 단계자율주행 레벨 0: 운전 자동화 없음자율주행 레벨 1: 운전자 보조자율주행 레벨 2: 부분 주행 자동화자율주행 레벨 3: 조건부 주행 자동화자율주행 레벨 4: 고도 주행 자동화자율주행 레벨 5: 완전 주행 자동화자율주행 차량의 미래추천 자료
자율주행차의 현황
자율주행차는 수많은 수십억 달러 규모 기업들이 막대한 투자를 쏟아붓는 신흥 기술 분야다. 자율주행차가 특히 매력적인 주요 이유 중 하나는 운전 중 인간의 실수를 줄이고 삶의 만족도를 높일 수 있다는 점이다. 지루한 통근의 감소, 정체 속에서 낭비되는 비생산적 시간의 축소, 그리고 사고의 감소가 그 예다.
Object Detection for Autonomous Vehicles (A Step-by-Step Guide)
Digging into object detection and perception for autonomous vehicles using YOLOv5 and Weights & Biases
The nuScenes Dataset
nuScenes is a large-scale 3D perception dataset for Autonomous Driving provided by motional. The dataset has 3D bounding boxes for 1000 scenes.
자율주행의 단계
자율주행차의 여섯 단계에 대해 좀 더 깊이 살펴보고, 현재 업계 표준과 향후 잠재적 진전을 함께 탐구해 보자.
개념을 더 명확하게 이해하기 위해 각 레벨을 세 가지 핵심 요소로 분류하겠다: 인간 요구사항, 차량 기능, 그리고 사례.
자율주행 레벨 0: 운전 자동화 없음
이 단계에서는 차량에 자동화 기능이 전혀 없다. 현재 도로를 달리는 대부분의 자동차가 여기에 해당한다. 후진할 때 도움을 주는 카메라나 충돌 경고 시스템 같은 기능은 있을 수 있지만, 차량의 주행을 제어하는 능력은 없다.
레벨 0 - 운전 자동��� 없음, 작성자 제공 이미지
레벨 0 요약
- 인간의 요구 사항: 모든 작업은 사람이 수행하며, 차량의 제어도 항상 사람이 맡는다
- 차량 기능: 자동 긴급제동, 차선이탈 경고, 사각지대 경고, 후방 카메라, 충돌 경고 등.
- 예시: 도로에 있는 거의 모든 자동차
자율주행 레벨 1: 운전자 보조
레벨 1은 자동화 스펙트럼에서 다음 단계이다. 이 단계에서 차량은 어느 한 시점에 오직 하나의 자율 작업만 수행할 수 있다. 이러한 작업은 안전과 관��되어 있으며, 조향이나 제동 같은 기본 주행 보조 기능을 제공한다.
레벨 1 - 운전자 보조, 작성자 제공 이미지
조향과 제동을 모두 제공한다면 레벨 2에 해당한다.
💡
레벨 1 요약
- 인간의 요구 사항: 대부분의 작업은 사람이 수행하며, 차량의 제어도 항상 사람이 맡는다.
- 차량 기능: 차로 중앙 유지, 어댑티브 크루즈 컨트롤
- 예시: 2020 BMW 3 시리즈, 2020 볼보 S60
자율주행 레벨 2: 부분 주행 자동화
레벨 2는 자동화 스펙트럼에서 세 번째 단계이다.
이 단계에서는 모든 차량에 어떤 형태로든 고급 운전자 보조 시스템(ADAS)이 탑재되어 있다. ADAS는 고속도로와 같은 저밀도 교통 환경을 포함한 아주 특정한 상황에서 조향, 제동, 가속을 제어한다.
레벨 2 - 부분 주행 자동화, 작성자 제공 이미지
레벨 2 요약
- 인간의 요구 사항: 운전자는 내내 주의를 유지해야 하며, 많은 상황에서 개입해야 한다
- 차량 기능: 차로 중앙 유지와 어댑티브 크루즈 컨트롤의 동시 작동
- 예시: 2021년형 현대 팰리세이드와 테슬라의 오토파일럿이 적용된 고속도로 주행 보조 시스템
자율주행 레벨 3: 조건부 주행 자동화
레벨 3는 자동화 스펙트럼에서 네 번째 단계이다. 차량이 대부분 스스로 주행한다는 점에서 레벨 2 대비 중요한 기술적 진전이지만, 새로운 문제들도 동반하며 이에 대해서는 아래에서 살펴본다.
레벨 3 자율주행 차량은 주행의 대부분을 스스로 수행하며, 극한 환경이나 시스템 고장과 같은 경우에만 인간의 개입이 필요하다.
이 수준의 자율성을 달성하면 사용성 측면에서 많은 과제가 발생한다. 예를 들어, 매우 극단적인 상황(예: 사고 발생 중)에 차량이 조종권을 인간 운전자에게 넘기는 상황을 생각해 보자. 이러한 문제는 개발이 레벨 2에서 레벨 4로 도약하며 이 단계를 통째로 건너뛰는 이유 중 하나다.
레벨 3 - 조건부 주행 자동화, 이미지: 작성자 제작
레벨 3 요약
- 인간의 요구 사항: 운전자는 주행 내내 항상 주의해야 한다. 극한 상황에서는 운전자가 차량의 조종을 직접 맡아야 한다.
- 차량 기능: 트래픽 잼 쇼퍼.
- 예시: Mercedes‑Benz는 레벨 3 차량 개발을 선도하는 제조사 중 하나다. 이들의 Drive Pilot 시스템은 교통 상황을 주행해 나가며 기상 조건을 감지할 수 있다.
자율주행 레벨 4: 고도 주행 자동화
자동화 스펙트럼에서 다섯 번째 수준이다. 레벨 4 자율성에서는 주행에 인간의 개입이 필요 없다. 시스템이 스스로 운전하며, 우리는 그저 탑승할 뿐이어서 운전대와 페달이 불필요해질 수 있다.
레벨 4 자율주행 차량의 주요 제한 요인 중 하나는 지오펜싱의 활용이다. 이러한 차량은 특정 구역으로 지오펜싱되어 해당 구역 밖에서는 주행할 수 없다. 또한 악천후는 이들 차량의 성능에 영향을 미쳐 운행을 방해할 가능성이 높다.
레벨 4 - 고도 주행 자동화, 이미지: 작성자 제작
레벨 4 요약
- 인간의 요구 사항: 목적지를 입력하고 여유를 즐기면 된다(책을 읽거나, 설치된 로잉머신으로 운동을 해도 좋다).
- 차량 기능: 무인 택시 및 교통 시스템
- 예시: Google의 자율주행 차량 제품인 Waymo는 이 수준에서 작동하도록 설계되어 있다. 작성 시점 기준으로 피닉스에서만 운영 중이다.
자율주행 레벨 5: 완전 주행 자동화
레벨 5는 자율주행 스펙트럼에서 가장 높은 수준이다. 이 차량들은 모든 환경에서 스스로 주행할 수 있다. 지오펜싱의 제한을 받지 않으며 어디든 이동할 수 있다. 악천후나 손상된 도로에서도 안전하게 사람을 운송할 수 있다.
현재로서는 공상과학을 제외하면 이 수준의 실제 사례는 없다(대표적으로 배트모빌). 배트모빌은 GPS를 사용해 배트맨의 위치를 추적하고 필요할 때 그에게 도달할 수 있다. 또한 교통 체증, 손상된 도로, 악천후 속에서도 손쉽게 이동할 수 있다.
레벨 5 - 완전 주행 자동화, 이미지: 작성자 제작
레벨 5 요약
- 사람의 역할: 목적지를 입력하고 편히 쉬며 책을 읽거나 잠을 잔다.
- 차량 기능: 어디든 갈 수 있는 무인 교통 시스템
- 예시: 배트모빌과 Lexus 2054.
자율주행 차량의 미래
일부 전문가들은 레벨 4가 2024년 또는 2025년에 가능해질 것이라고 보고 있지만, 비용과 무엇보다도 관련 법규 때문에 대중적 보급은 뒤처질 가능성이 큽니다.
앞서 언급했듯이, 레벨 4의 초기 도입은 ROI가 가장 높은 택시와 운송 산업에서 시작될 가능성이 큽니다. 이는 규모의 경제를 통해 비용을 낮추는 데 도움이 되어 레벨 4(더 나아가 레벨 5까지)가 모두에게 보급될 수 있도록 할 것입니다.
추천 자료
The Many Datasets of Autonomous Driving
Below we'll explore the datasets used to train autonomous driving systems to perform the various tasks required of them.
Autonomous Vehicle Companies and Their ML
The race in the autonomous vehicle space has resulted in a large number of companies vying for a position at the top. Here's what some of the main ones are doing.
The ML Tasks Of Autonomous Vehicle Development
This report goes through the different tasks in the autonomous vehicle development lifecycle and the various machine learning techniques associated with them.
A System of Record for Autonomous Driving Machine Learning Models
A look at the most useful Weights & Biases features for autonomous vehicle companies
Add a comment