자율주행 6단계 완전 해설
이번 글에서는 자율주행의 6단계를 살펴보고, 현재 업계 표준과 향후 자율주행차의 발전 가능성에 대해 논의합니다. 이 글은 AI 번역본입니다. 번역 오류가 의심되면 댓글로 알려주세요.
Created on September 15|Last edited on September 15
Comment
자율주행은 자동화 수준에 따라 여섯 단계로 분류됩니다. 미국자동차공학회(SAE)가 정한 분류로, 레벨 0에서 레벨 5까지 범위를 이루며, 자동화가 전혀 없는 상태부터 완전 자율주행 차량까지 포함합니다.
큰 틀에서 자동화 수준은 다음과 같이 이해할 수 있습니다:
- 레벨 0전혀 자동화 없음
- 레벨 1: 매우 경미한 자동화(크루즈 컨트롤 등)
- 레벨 2일부 자동화가 있으나, 항상 운전자 주의가 필요함
- 레벨 3: 스스로 주행할 수 있지만 악천후나 가혹한 조건에서는 개입이 필요함
- 레벨 4: 높은 수준의 자율성
- 레벨 5: 완전 자율주행
���율주행차 6단계, 작성자 제공 이미지
목차
목차자율주행차의 현황자율주행의 단계자율주행 레벨 0: 주행 자동화 없음자율주행 레벨 1: 운전자 보조자율주행 레벨 2: 부분 자율 주행자율주행 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 대규모 투자를 하고 있는 신흥 기술 분야이다. 자율주행차가 특히 매력적인 주요 이유 중 하나는 운전 중 인간의 오류를 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 들여다보고, 현재 산업 표준과 앞으로의 잠재적 진전을 살펴보자.
개념을 더 명확하게 이해하기 위해, 각 단계를 다음 세 가지 핵심 요소로 분류하겠다. 인간의 요구 사항, 차량 기능, 그리고 사례.
자율주행 레벨 0: 주행 자동화 없음
이 단계에서는 차량에 자동화 기능이 없다. 현재 도로 위 대부분의 자동차가 여기에 해당한다. 후방 주차 시 도움을 주는 카메라나 충돌 경고 시스템 같은 기능은 있을 수 있지만, 차량의 주행을 제어하지는 않는다.
레벨 0 – 주행 자동��� 없음, 이미지: 작성자 제공
레벨 0 요약
- 인간의 요구 사항: 사람이 모든 작업을 수행하며, 차량에 대한 제어권을 항상 유지한다
- 차량 기능: 자동 긴급 제동, 차선 이탈 경고, 사각지대 경고, 후방 카메라, 충돌 경고 등.
- 예시: 도로 위 거의 모든 자동차
자율주행 레벨 1: 운전자 보조
레벨 1은 자동화 스펙트럼에서 다음 단계다. 이 단계에서 차량은 한 번에 오직 하나의 자율 기능만 수행할 수 있다. 이러한 기능은 안전과 관련되어 있으며, ��향이나 제동 같은 기본적인 주행 보조를 제공한다.
레벨 1 – 운전자 보조, 이미지: 작성자 제공
조향과 제동을 모두 제공한다면 레벨 2에 해당한다.
💡
레벨 1 요약
- 인간의 요구 사항: 사람이 대부분의 작업을 수행하며, 차량에 대한 제어권을 항상 유지한다.
- 차량 기능: 차로 중앙 유지, 어댑티브 크루즈 컨트롤
- 예시: 2020 BMW 3 시리즈, 2020 Volvo S60
자율주행 레벨 2: 부분 자율 주행
레벨 2는 자동화 스펙트럼에서 세 번째 단계다.
이 단계의 모든 차량에는 어떤 형태로든 Advanced Driver Assistance Systems(ADAS)이 탑재되어 있다. ADAS는 고속도로처럼 교통량이 비교적 낮은 환경을 포함한 매우 특정한 상황에서 조향, 제동, 가속을 제어한다.
레벨 2 – 부분 주행 자동화, 작성자 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: 2021 Hyundai Palisade와 Autopilot이 탑재된 Tesla의 고속도로 주행 보조 시스템
자율주행 레벨 3: 조건부 주행 자동화
레벨 3는 자동화 스펙트럼에서 네 번째 단계다. 차량이 대부분 스스로 주행한다는 점에서 레벨 2 대비 의미 있는 기술적 도약이지만, 새로운 문제가 함께 등장하며 이에 대해서는 아래에서 살펴본다.
레벨 3 자율주행 차량은 주행의 대부분을 스스로 수행하며, 극한 환경이나 고장과 같은 상황에서만 인간의 개입이 필요하다.
이 수준의 자율성을 달성하면 사용성 측면에서 많은 과제가 발생한다. 예를 들어, 매우 극한의 상황(예: 사고 발생 중)에 차량이 차량 제어권을 인간 운전자에게 넘기는 상황을 생각해 보자. 이런 이유 중 하나로, 일부는 레벨 2에서 레벨 4로 개발을 건너뛰어 이 단계를 아예 스킵하는 전략을 취한다.
레벨 3 - 조건부 주행 자동화, 이미지: 작성자 제공
레벨 3 요약
- 인간의 요구 사항: 운전자는 주행 내내 항상 경계를 유지해야 한다. 극한 상황에서는 운전자가 차량 제어를 직접 맡아야 한다.
- 차량 기능: 트래픽 잼 쇼퍼
- 예시: 메르세데스 벤츠는 레벨 3 차량 개발을 선도하는 제조사 중 하나다. 이들의 Drive Pilot 시스템은 교통 상황을 주행하며 날씨 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 운전하고, 우리는 그저 탑승할 뿐이므로 운전대와 페달이 불필요해질 수도 있다.
레벨 4 자율주행 차량의 주요 제한 요인 중 하나는 지오펜싱의 사용이다. 이러한 차량은 특정 지역으로 지오펜싱되어 그 구역 밖에서는 주행할 수 없다. 또한 악천후는 이들 차량에 영향을 미쳐 운행을 방해할 가능성이 크다.
레벨 4 - 고도 주행 자동화, 이미지: 작성자 제공
레벨 4 요약
- 인간의 요구 사항: 목적지를 입력하고 여유를 즐기자(책을 읽거나, 설치된 로잉 머신으로 운동을 해도 된다).
- 차량 기능: 무인 택시 및 교통 시스템
- 예시: Waymo, Google의 자율주행 차량 제품은 이 수준에서 작동하도록 설계되어 있다. 작성 시점 기준으로 피닉스에서만 운영 중이다.
자율주행 레벨 5: 완전 주행 자동화
레벨 5는 자율주행 스펙트럼에서 가장 높은 단계다. 이 차량들은 모든 조건에서 스스로 주행할 수 있다. 지오펜싱의 제약을 받지 않으며 어디든 이동할 수 있다. 악천후나 파손된 도로에서도 사람을 안전하게 이동시킬 수 있다.
현재로서는 공상과학을 제외하면 이 레벨의 실제 사례가 없다(예를 들어 상징적인 배트모빌). GPS를 사용해 배트모빌은 배트맨의 위치를 추적하고 필요할 때 그에게 도달할 수 있다. 또한 교통 체증, 파손된 도로, 악천후 속에서도 손쉽게 이동할 수 있다.
레벨 5 - 완전 주행 자동화, 이미지: 작성자 제공
레벨 5 요약
- 인간의 역할: 목적지를 입력한 뒤 편히 쉬고, 책을 읽거나 잠을 잔다.
- 차량 기능: 어디든 갈 수 있는 무인 운송 기능
- 예시: 배트모빌과 렉서스 2054.
자율주행 차량의 미래
일부 전문가들은 레벨 4가 2024년 또는 2025년에 도입될 것이라고 예상하지만, 비용과 무엇보다도 관련 법규 때문에 대중적 보급은 뒤따라 지연될 가능성이 큽니다.
앞서 언급했듯이, 레벨 4의 초기 도입은 투자 수익률이 가장 높은 택시 및 운송 산업에서 시작될 가능성이 큽니다. 이는 규모의 경제를 통해 비용을 낮추는 데 도움이 되어, 레벨 4(그리고 나아가 레벨 5까지)가 모두에게 제공될 수 있도록 뒷받침할 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