자율주행차(AV)는 현실 세계에서 발생할 수 있는 모든 유형의 교통 시나리오를 안전하게 처리할 수 있어야 합니다. 여기에는 다른 도로 사용자의 예기치 않은 조작으로 인해 충돌이 발생할 수 있는 위험한 사고 직전 상황도 포함됩니다.
하지만 이러한 유형의 시나리오에서 자율주행차를 개발하고 테스트하는 것은 쉽지 않습니다. 실제 충돌 데이터는 드물고, 이러한 상황을 현실 세계에서 재현하는 것은 위험하고 확장하기 어렵습니다.
안전하고 확장 가능한 AV 테스트를 위해 AI를 사용하여 시뮬레이션에서 사고 시나리오를 자동으로 생성하는 NVIDIA의 최근 연구에 대해 알아보려면 아래 NVIDIA DRIVE Labs 비디오를 시청하세요.
STRIVE로 AV 플래너의 스트레스 테스트
AV 스택에서 플래너 모듈은 에고 차량의 주행 방식을 결정하는 역할을 담당합니다. 플래너를 철저하게 테스트하려면 사고 가능성이 있는 교통 시나리오에 대한 현실적이고 다양한 데이터 세트를 시뮬레이션해야 합니다.
당사는 STRIVE(스트레스 테스트 드라이브)라는 방법을 개발하여 자율주행 플래너를 위한 풍부한 사고 시나리오 세트를 생성했습니다(그림 1). 시뮬레이션에서 실패한 부분을 분석하고 실제 도로에 배포하기 전에 수정함으로써 플래너의 동작을 개선할 수 있습니다.
최적화를 통한 잠재적 사고 생성
STRIVE는 AV 플래너가 예상대로 작동하는 실제 시나리오에서 시작합니다. 적대적 최적화를 사용하여 장면에 있는 차량의 2D 궤적을 수정하여 자율주행차와 충돌을 일으킵니다. AV와 충돌하는 적 차량은 사용자가 지정하거나 최적화 중에 자동으로 선택할 수 있습니다.
두 번째 솔루션 최적화는 기획자의 능력을 향상시키기 위해 AV가 사고를 피할 수 있는 기동을 찾습니다. STRIVE는 AV를 개선하는 데 유용한 솔루션으로 현실적이고 다양한 사고를 생성합니다(그림 2).
현실감을 위한 데이터 기반 교통 모델
시뮬레이션 사고는 실제 교통 상황과 물리학을 정확하게 반영하여 현실적이어야 합니다. STRIVE는 대규모 실제 데이터 세트를 학습하여 현실적인 차량 궤적을 학습하는 AI 교통 모델을 사용합니다. 이 모델은 그림 1에서 Traffic Prior로 표시됩니다. 최적화를 수행하는 동안 STRIVE는 이 학습된 AI 모델을 통해 생성되는 시나리오가 사고가 발생하더라도 여전히 현실적인지 확인합니다.
2D 궤적에서 3D 시뮬레이션까지
STRIVE는 교차로에서 여러 가지 변형된 사고를 생성하기 위해 NVIDIA DRIVE Sim 내에서 사용됩니다. 실제 주행에서 재구성된 일반 교통에서 시작하여 STRIVE는 다양한 차량으로 여러 가지 그럴듯한 사고를 생성합니다(그림 3).
결론
STRIVE는 시뮬레이션에서 드물고 위험한 잠재적 사고 시나리오를 자동으로 생성합니다. 이 툴을 통해 AV 개발자는 자율 주행 시스템을 종합적으로 훈련하고 평가하여 안전하게 작동하는지 확인할 수 있습니다. 차량 간 충돌 가능성을 생성하는 것은 AI로 시뮬레이션에서 교통을 제어하는 방법의 한 예에 불과합니다. 유니티는 보행자, 자전거 운전자, 시나리오 편집을 포함한 모든 유형의 교통 시뮬레이션에 데이터 기반 모델을 통합하기 위해 노력하고 있습니다.
추가 리소스
자세한 내용은 관련 리소스를 참조하세요:
- STRIVE 프로젝트 페이지
- 학습된 교통 정보를 통해 사고 발생 가능성이 높은 유용한 운전 시나리오 생성하기
- Github의 STRIVE 코드
- NVIDIA Omniverse로 구동되는 드라이브 시뮬레이션 시나리오 재구성
3월 20일부터 24일까지 NVIDIA GTC 2023에 무료로 등록하고 관련 세션에 참여하세요:
이 블로그에 열거된 SDK의 대부분의 독점 액세스, 얼리 액세스, 기술 세션, 데모, 교육 과정, 리소스는 NVIDIA 개발자 프로그램 회원은 무료로 혜택을 받으실 수 있습니다. 지금 무료로 가입하여 NVIDIA의 기술 플랫폼에서 구축하는 데 필요한 도구와 교육에 액세스하시고 여러분의 성공을 가속화 하세요.
