
“운전자 사라지는 시대 온다?” 이유철 교수 인터뷰
첨단기술 중에 하나인 자율주행 자동차에 대한 미국, 독일, 일본 등 자동차 산업 선진국을 비롯하여 많은 국가에서 산업 전략을 수립하고 있다. 최근 국내도 국토부를 중심으로 자율주행 산업에 대한 “모빌리티 혁신 로드맵”을 발표하면서, 실제 자율주행 산업에 대한 관심이 증대되고 있다. 이 시점에 미래에 “운전자 사라지는 시대가 온다?”라는 주제로 연합뉴스에서 기사를 기획하였고, 학과의 이유철 교수가 자율주행 기술의 전문가로서 자문 역할로 참여하였다.
지난달 19일 국토교통부가 "모빌리티 혁신 로드맵"을 발표했다. 해당 로드맵에서 중요하게 다뤄진 내용 중 하나는 바로 완전 자율주행차로, 자율주행차는 운전자의 차량 조작 없이도 스스로 움직일 수 있는 자동차를 말한다. 국토부에 따르면 올해 말 우리나라는 세계에서 세 번째로 레벨 3 자율주행차를 상용화할 예정이다. 레벨 3은 비상시에만 운전자가 운전하는 조건부 자동화를 뜻한다. 특히 2025년에는 레벨 4 완전 자율주행 버스와 셔틀을, 2027년에는 레벨 4 승용차를 출시한다는 목표이다.
레벨 4는 비상시에도 운전자의 개입 없이 차량이 스스로 대처하는 걸 말한다.
지난달 26일 서울 청계천 일대에서는 레벨 3.5 수준의 전기 자율주행 전용 버스가 시범 운행을 시작했다. 특히 2035년 완전 자율주행이 대중화한다면 교통사고로 인한 사망자 수가 크게 감소할 것으로 예상된다. 다만 전문가는 자율주행차 도입 시 다양한 요소를 고려해야 한다고 말합니다.
이유철 한국항공대 AI자율주행시스템공학과 교수는 "사고 발생 시점에서 탑승자 혹은 보행자 중 누구의 안전을 우선으로 할지 등 윤리적인 이슈가 중요하다"며 "또 법, 기술, 사회 보험적인 측면이 서로 같이 발전돼야 한다"고 설명했다.
현재 여러 국가가 자율주행차를 개발 및 지원하고 있고, 독일과 일본은 이미 레벨3 자율주행차를 출시했다.
그중에서도 독일은 2030년까지 완전자율주행 상용화를 목표로 로드맵을 수립한 상태입니다.
이외에도 싱가포르, 네덜란드, 노르웨이 등 다양한 국가들이 자율주행차 상용화에 대비하고 있다.
이유철 교수는 "자동차 산업은 고용 효과와 부가가치 효과가 매우 크다"며 "국내에서 5단계 자율주행차까지 달성할 수 있을 거로 생각한다"고 말했습니다.
동영상 링크 : https://www.yna.co.kr/view/AKR20220929108800797
연합뉴스 / 박성은 기자 / 2022.10.05
이유철 교수의 Robotics and AI Navigation (RAIN) 실험실에서는 한국전자통신연구원(ETRI)과 미국 스토니브룩대학교(Stony Brook University)와 협업을 통하여 강화학습과 트랜스포머 모델을 이용한 종단간 모방학습 기반의 자율주행 기술에 대한 연구를 진행하였습니다.
그 결과 교신저자로 참여한 "StARformer: Transformer with State-Action-Reward Representations for Robot Learning" 논문은 인공지능분야 최고 권위 학술지인 IEEE Transactions on Pattern Analysis and Machine Intelligence(T-PAMI)(JCR 0.54%, Impact Factor 24.314)에 게재 승인을 받았으며, 12월에 출간 예정입니다.
Reinforcement Learning (RL) can be considered as a sequence modeling task, where an agent employs a sequence of past state-action-reward experiences to predict a sequence of future actions. In this work, we propose St ate- A ction- R eward Transformer ( StAR former), a Transformer architecture for robot learning with image inputs, which explicitly models short-term state-action-reward representations (StAR-representations), essentially introducing a Markovian-like inductive bias to improve long-term modeling. StARformer first extracts StAR-representations using self-attending patches of image states, action, and reward tokens within a short temporal window. These StAR-representations are combined with pure image state representations, extracted as convolutional features, to perform self-attention over the whole sequence. Our experimental results show that StARformer outperforms the state-of-the-art Transformer-based method on image-based Atari and DeepMind Control Suite benchmarks, under both offline-RL and imitation learning settings. We find that models can benefit from our combination of patch-wise and convolutional image embeddings. StARformer is also more compliant with longer sequences of inputs than the baseline method. Finally, we demonstrate how StARformer can be successfully applied to a real-world robot imitation learning setting via a human-following task.
논문 링크: https://doi.org/10.1109/TPAMI.2022.3204708
제 1회 한국항공대 자율주행차 제작 특강이 성공적으로 마무리 되었다. 이번 특강은 8월 한 달 동안 진행되어 많은 AI융합대학 학생 총 7팀이 참여하였다. 본 특강은 자율주행 차량의 기본 원리를 학습하고 하드웨어 구성 및 딥러닝 소프트웨어 개발까지 모두 실습할 수 있는 기회를 제공했다.
이번 특강에서는 임베디드 GPGPU 장비인 nVidia의 Jetson을 활용하여 반제품 형태의 자율주행 차량을 직접 조립, 내부 배터리 전원부까지 설계하면서 자율주행차의 하드웨어에 대한 구성과 기초 원리를 습득할 수 있었다. 또한 Ubuntu 환경에서 OpenCV와 YOLO (You only look once, 실시간 물체 탐지 딥러닝 알고리즘)를 활용한 자율주행 알고리즘을 학습하고 실험할 수 있었다.
특강 마지막 날에는 대회를 열어 각 팀들의 성취도를 평가하였다. 대회는 총 2개의 미션이 주어졌다. 첫 번째는 카메라를 통해 차선을 추적하여 주어진 코스를 벗어나지 않고 주파하는 미션이다. 코스에서 벗어나면 주파 기록에 패널티 시간을 더하는 방식으로 진행되었다. 두 번째는 T자 코스로, 도로 위에 지시 표시가 있어, 이에 따라 주행을 하는 미션이다. 정지 지시 표시가 있는 곳에서 일시 정지한 후 10초 뒤 다시 출발, 이후 나타나는 우회전 지시를 발견하면 우회전하여 결승점에 도착해야 하는 방식으로 진행되었다.
트랙을 따라 이동 중인 실습용 자율주행 차량
지시 사항이 표시된 트랙 위를 주행 중인 실습용 자율주행 차량
이번 특강에서 우수한 성적을 거두어 입상한 팀에게는 AI융합대학 학장상이 주어졌다. 특히 AI자율주행시스템공학과 학생들의 선전이 돋보였다. 최우수상은 김승현 학생, 우수상은 유종민 이재우 학생, 장려상은 신봉진 장동민 학생에게 주어졌다. 이외에 참가자 전원에게 본 특강의 이수증을 수여하였다.
우수한 성적을 거둔 팀에게 AI융합대학 학장상을 수여하는 지승도 교수(AI자율주행시스템공학과 학과장)