온로드 자율주행 시스템은 잘 표시된 도로를 탐색하고 예측 가능한 조건에서 다른 도로 사용자와 상호 작용을 관리에 탁월하지만, 오프로드 자율운행은 험준한 지형과 다양한 기상 조건과 같은 예측 불가능한 요소들과 싸워야 합니다. 오프로드 자율운행은 온로드 자율주행보다 더 다양하고 견고한 솔루션을 요구하는 여러 산업 분야에 존재하고 있습니다. 이러한 산업은 생산성과 안전에 직접적인 영향을 미치는 중요한 운영 과제를 직면하고 있습니다.
- 건설업과 광업에서는 자율운행 소프트웨어를 통해 위험하거나 접근하기 어려운 지역에서 24시간 내내 기계를 작동시키면서 안전과 효율성을 높일 수 있습니다.
- 농업에서는 자율운행 시스템을 통해 최적화할 수 있는 지속적인 정밀 농업 기술의 이점을 활용하여, 작물 관리를 개선하고 폐기물을 줄일 수 있습니다.
- 국방 분야에서는 정찰 및 활동 임무에 무인 차량을 사용하면 적대적이거나 예측할 수 없는 환경에서 역량을 강화하고 인력을 보호할 수 있다는 전략적 이점이 있습니다.
- 시스템 경보를 통해 작업자의 안전을 향상시키고 주행 보조 및 시각적 보완을 통해 인지 부하를 줄이는 것은 위의 모든 산업에서 가치를 제공합니다.
이 블로그 게시물에서는 오프로드 자율운행을 발전시키기 위해 해결해야 할 고유한 기술적 어려움에 대해 논의합니다. 첨단 센서 융합 기술의 통합, 견고한 운영 플랫폼의 개발, 비정형 환경을 효과적으로 탐색하고 해석하기 위한 AI 및 머신 러닝의 적용에 대해 살펴볼 것입니다.
전문화된 오프로드 자율운행 솔루션의 필요성
자율주행 시스템이 온로드에서 오프로드로 전환할 때 가장 큰 변화 중 하나는 구조화되지 않은 지형을 처리해야 한다는 요구사항입니다. 온로드 환경은 차선이 포장 도로로 구성되어 예측 가능성이 더 높습니다. 차량 전방은 안전하게 주행 가능하다고 가정하고, 많은 경우 차량의 자율 주행 시스템이 노후된 차선 경계를 감지하거나 포트홀 회피에 사용됩니다. 수많은 L4 자율주행 회사는 온라인 인지 시스템에 대한 요구 사항을 줄여주는 고해상도 오프라인 지도에 의존합니다. 이러한 단순화된 가정을 통해 온로드 자율 주행 시스템은 지형 처리 문제를 대부분 무시하고 에이전트 감지 및 상호 작용에 모든 주의를 집중할 수 있습니다.
오프로드 환경에는 이러한 구조가 없으며, 차량이 전복될 수 있는 도랑, 움푹 패인 곳, 심한 경사면 등 지면의 안전성을 평가해야 합니다. 얼음, 눈, 진흙과 같은 기상 조건의 변화는 주행에 큰 영향을 미칩니다. 더 중요한 것은 매번 새로운 시각으로 지형에 접근해야 한다는 점입니다. 지형 조건은 순식간에 변할 수 있어 최신 탈지도(mapless) 자율주행 기술의 한계에 부딪힐 수 있기 때문입니다. 오프로드 주행에 고유한 몇 가지 구체적인 과제를 몇 가지 더 나열해 보겠습니다:
- BEV 한계: 온로드 자율 주행 시스템은 일반적으로 버드 아이 뷰 (BEV)에서 작동하며 노면과 모든 장애물을 2D BEV에 투영하므로 수직 방향을 무시합니다. 그러나 오프로드 환경에는 수직으로 적층된 정보의 계층이 있어 항상 단일의 2D 표현으로 단순화할 수는 없습니다. 예를 들어, 오프로드 차량이 나뭇잎 사이를 가로 지르기 위해서는 나뭇잎 아래의 지형면을 예측하고 안전한 지표면임을 보장해야 합니다.
- 정확한 고도 이해: 위험한 경사면, 도랑, 구덩이 등 잠재적 위험을 식별하는 것이 중요합니다. Applied Intuition의 시스템은 정밀한 3D 고도 매핑을 통해 이를 달성하므로 차량이 막히거나 전복되지 않고 안전하게 탐색할 수 있습니다.
- 지형 시맨틱: 계획 및 제어에서는 횡단 가능한 요소와 방해 요소를 구별해야 합니다. 차량이 지나갈 수 있는 나뭇잎은 바위처럼 지나갈 수 없는 물체와 구별되어야 합니다. 진흙, 바위, 얼음 등 표면 특성도 차량 제어 전략에 영향을 줍니다.
- 지형 변화: 기상 조건과 식생 성장은 풍경을 크게 변화시켜 오래된 지도에 의존하는 것을 신뢰할 수 없게 만듭니다. Applied Intuition의 맵리스 접근 방식은 실시간 데이터를 사용하여 이러한 변화에 적응함으로써 탐색 정확성과 운영 신뢰성을 향상시킵니다.
Applied Intuition의 오프로드 자율운행 스택
Applied Intuition은 최신 머신러닝 기반 접근 방식을 모두 활용하여 기하학적 및 시멘틱 측면에서 세상을 이해하는 고급 인식 시스템을 개발합니다. 오프로드 자율운행 스택의 최첨단 센서 융합 알고리즘은 시스템의 성능과 견고함을 향상시켜 가장 까다로운 환경에서도 효과적인 내비게이션을 가능하게 합니다.
다음과 같은 기능이 있습니다:
- 맵리스(mapless) 로컬라이제이션: 맵리스 로컬라이제이션 기술은 기존 지도를 사용할 수 없거나 디테일이 충분하지 않은 오프로드 환경을 탐색하는 데 매우 중요한 기능입니다. 기존 지도에 의존하는 대신, 당사의 시스템은 실시간 센서 데이터를 사용하여 주변 환경 내에서 차량의 위치를 파악합니다. 이 방식을 사용하면 지도를 자주 업데이트할 필요 없이 차량이 새로운 지형이나 변화하는 지형에 적응할 수 있으므로 유연성이 향상됩니다. 이는 건설 현장이나 홍수나 산사태와 같은 자연적 요소의 영향을 받는 지역과 같이 역동적인 환경에서 특히 유용합니다.
- 오프로드 인지: 스택의 핵심인 오프로드 인지 기술은 구조화되지 않은 자연 환경을 정확하게 해석하고 탐색할 수 있도록 설계되었습니다. 이 시스템은 라이다, 카메라, 레이더를 사용하여 지형을 지속적으로 스캔하고 해석합니다. 이러한 인지 입력은 학습된 알고리즘과 기하학적 알고리즘의 조합을 통해 처리되어 다양한 유형의 장애물(바위, 나무, 물 웅덩이 등)과 지형 특징(경사면, 지면의 텍스쳐 등)을 구분합니다. 이러한 요소를 실시간으로 정확하게 인식하고 이해하는 능력은 안전하고 효율적인 내비게이션에 필수적이며, 차량이 눈에 보이는 위험과 숨겨진 위험 모두에 적절하게 대응할 수 있도록 합니다.
- 유니버설 플래닝 아키텍처: Applied Intuition의 유니버설 플래닝 아키텍처는 농업용 차량부터 대형 광산 장비까지 광범위한 오프로드 애플리케이션을 지원합니다. 이 적응형 시스템은 다양한 탑재량과 지형 유형에 맞게 전략을 맞춤화하여 각 특정 시나리오에 대한 경로 찾기 및 기동성을 최적화합니다. 다양한 산업 전반에 배포할 수 있는 응집력 있는 단일 시스템을 제공하기 위해 의사 결정을 유동적으로 조정합니다.
- 통합 및 사용자 지정: Applied Intuition의 오프로드 자율운행 스택은 기존 시스템과 원활하게 통합할 수 있으며 다양한 차량 유형 및 운영 요구사항에 맞게 맞춤화할 수 있습니다. 이러한 유연성 덕분에 산업 전반에 걸쳐 적응력을 향상시켜 차량이 직면하는 고유한 문제에 관계없이 효과적으로 운행할 수 있습니다.
- 모듈화: Applied Intuition의 오프로드 자율운행 스택의 아키텍처는 모듈식으로 설계되어 다양한 구성 요소를 독립적으로 추가, 제거 또는 업그레이드할 수 있습니다. 이러한 모듈성으로 인해 업데이트와 유지보수가 용이하고 작업의 복잡성에 따라 확장할 수 있으며 전체 시스템을 점검하지 않고도 특정 미션 요구 사항에 맞게 커스터마이징할 수 있습니다.
- 임베디드 컴퓨팅: Applied Intuition은 다른 자율운행 프로그램들이 하드웨어 제약 사항을 나중에 고려하는 것과 달리, 처음부터 실질적인 하드웨어 제약 사항을 염두에 두고 시스템을 설계합니다. 엣지 컴퓨팅의 일반적인 제약 사항 외에도 오프로드 차량은 견고한 임베디드 컴퓨팅 플랫폼을 필요로 합니다. 이 통합 접근 방식은 광범위한 소프트웨어, 하드웨어 및 차량 플랫폼 전문 지식을 활용하여 시스템 엔지니어링, 디지털 설계, 요구 사항 추적성 및 안전 사례 개발을 포괄합니다.
오프로드 자율 주행 스택은 Applied Intuition의 기본 차량 소프트웨어 플랫폼과 함께 작동하며 타사 제품 통합, 안전한 환경 테스트 및 데이터 관리를 지원합니다. 또한 시뮬레이션 중심 개발을 위해 Applied Intuition의 최종 ADAS 및 AD 개발 플랫폼과 함께 사용 가능합니다..
Applied Intuition에 문의하여 오프로드 자율주행 스택에 대해 자세히 알아보고 오프로드 자율주행 개발을 가속화를 어떻게 지원할 수 있는지 알아보세요.
.webp)
.webp)
