AI와 이미지 프로세싱으로, 오로지 시각적인 방법으로 숲속에서 자율비행 성공

어떤 전파적 시그널 없이 무인기(드론)의 자율비행이란 미아와 다름없을 것이다. 또한 도시의 초고층 빌딩 사이나 산 또는 우거진 숲속 등 GPS가 제대로 작동하지 않는 장소와 사용할 수 없는 곳은 물론이며, 지도에 없는 지형에서는 더욱 그렇다. 이런 제약에 인공지능과 이미지 프로세싱으로 오로지 시각적인 방법으로 그것도 가장 어렵다는 숲속에서 엔비디아 연구팀이 자율비행에 성공했다.

한편, 지난 5월 9일 미국 캘리포니아 산호세에서 개최됐던 엔비디아 GPU 테크놀로지 컨퍼런스 2017(GPU Technology Conference)에서 엔비디아 GPU로 구동되는 자율 비행 택시를 개발하고 있는 에어버스 A3(Airbus A3)의 자율 시스템 책임자인 아르네 스토세크(Arne Stoschek)는 올해 실물 크기 프로토타입의 비행 및 법적 인증에 대한 논의 진행을 기대하고 있으며, 데모 항공기 시제품이 오는 2020년까지 준비될 것이라고 설명했으며, 최초의 상용 비행이 언제 이루어질지에 대해서는 언급하지 않았다.

엔비디아 GPU기반 에어 버스의 자율 비행 택시 이미지(사진:엔비디아)

자율비행 역시 자율주행차에 가장 많이 회자되는 문제들에 직면해 있다. 그 중 가장 큰 문제는 바로 장애물을 피하는 것이다. 상공에는 장애가 되는 물체는 지상보다 상대적으로 훨씬 적지만 드론, 조류, 항공기 등은 빠르게 움직이기 때문에 자율 비행기기는 훨씬 더 먼 거리에서 이 물체를 감지할 수 있어야 한다.

특히 자율비행 택시는 때때로 낮은 고도(지상 부근)에서 가장 중요한 비행을 하기 때문에 장애물이 될 수 있는 산이나 나무, 도심의 건물 사이 등의 모든 물체를 탑재된 센서는 어떤 상황에서도 탐지할 수 있어야 한다. 이에 스토세크 책임자는 “이것은 매우 힘든 탐지 문제이며, 인공지능이 해결해야 하는 이상적인 문제이기도 합니다.”라고 말했다.

엔디비아 연구진이 개발한 솔루션으로 실제 드론이 숲 산책로를 자율비행하는 모습(사진:엔비디아 영상캡쳐)

이런 가운데 23일 엔비디아 연구진이 GPS 또는 전파적인 신호가 작동하지 않거나 지도에 없는 장소에서도 엔비디아 인공지능 플랫폼(임베디드 컴퓨터)인 'NVIDIA Jetson TX1'에 의한 딥러닝 및 컴퓨터 비전만을 사용하여 1Km의 트레일(trail, 이번 실험에서는 숲속 산책로)을 오로지 시각적인 방법으로 드론의 완전 자율 비행에 성공했다고 밝혔다.

사진은 이번 비행에 적용된 'NVIDIA Jetson TX1'으로 NVIDIA Maxwell ™ 아키텍처를 기반으로 256 개의 NVIDIA CUDA® 코어와 64 비트 CPU를 갖춘 전력 효율적인 설계로 딥러닝 , 컴퓨터 비전 , GPU 컴퓨팅, 그래픽에 대한 최신 기술을 갖춘 내장 AI 컴퓨팅에 적합하다.(사진:본지DB)

이번 실험에 적용된 기술은 환경 인식을 위한 딥뉴럴 네트워크(DNN, deep neural network)를 이용한 저공비행 자율 MAV(micro aerial vehicle) 트레일 내비게이션 솔루션으로 연구진이 처음에는 숲의 산책로를 따라 조난 등산객을 구조하거나 쓰러진 나무를 발견할 목적으로 기성품 드론에 NVIDIA Jetson TX1과 2 대의 카메라를 탑재시켜 제작됐다.

드론의 시각으로 녹색 영역은 드론이 비행 가능하다고 판단한 범위이며, 빨간색 영역은 비행 불가하다고 판단한 범위이다

이번 자율비행에 성공한 엔비디아의 기술 리더인 니콜라이 스모크 리안스키(Nikolai Smolyanskiy)는 "우리가 숲을 실험장으로 선택한 것은 숲이 아마도 가장 비행하기 어려운 장소이기 때문입니다. 그런 환경에서의 자율 비행에 딥러닝을 이용할 수 있으면, 언제 어느 곳에서도 이동 할 수 있을 것이라고 생각했습니다."라고 블로그를 통해 23일 밝혔다.

일반적으로 규격화된 도시형 환경과는 달리 숲은 더 복잡하다. 숲속의 산책로에는 표시가 없는 것도 많고 햇빛이 나뭇잎에 의해 차단되는 것이나, 밝은 양지에서 어두운 그늘까지, 하지만 그것 만이 문제는 아니다. 같은 양지와 음지에서도 빛의 상태는 수시로 변한다. 또한 나무의 높이, 폭, 각도, 가지 모양도 일정한 규칙이 없다.

이번 테스트 자율비행에 사용된 드론 모습

GPS를 사용하지 않고 이동하는 무인기의 실현을 목표로는 하는 것은 이번 엔비디아 팀이 처음은 아니지만, 이번 자율 비행 드론은 인공지능에 의한 이미지프로세싱으로 1 Km의 트레일(숲속 산책로)을 따라 장애물을 피하면서 트레일 중앙에서 안정된 위치를 유지하면서 시각적인 방법으로만 성공적으로 자율 비행에 성공한 것이다.

아래 영상에서는 무인기(드론)가 워싱턴 주에 있는 연구팀의 레드먼드 사무실 근처 숲 산책로를 진행 모습으로 녹색 영역은 드론이 비행 가능하다고 판단한 범위이며, 빨간색 영역은 비행 불가하다고 판단한 범위이다. (아래 영상참조)

이 자율주행 드론은 태평양 북서부의 약 13Km의 산책로를 따라 엔비디아 스모크 리안스키 연구원이 촬영한 영상을 기반으로 비행하는 방법을 학습했으며, 스모크 리안스키는 소형 세그웨이에 부착된 금속 막대의 중앙과 좌우에 탑재한 3 대의 광각 GoPro 카메라에서 다양한 빛의 상태를 기록했다. 자작 영상 이외에 연구진은 스위스 인공지능연구소 IDSIA(Istituto Dalle Molle di Studi sull'Intelligenza Artificiale)의 인공지능 팀이 스위스 알프스에서 촬영한 영상도 학습시켰다.

연구자 스모크 리안스키가 무인기를 학습시키기 위한 비디오를 캡처하는데 사용한 장비를 들어보이고 있다(사진:엔비디아)

또한 엔비디아의 스모크 리안스키 연구원은 "실제로 무인기가 숲속에서 이동사례를 연구한 IDSIA의 연구가 엔비디아의 자율 무인기 팀에게 하나의 자극이 되었습니다. 그리고 또 하나의 자극이 된 것이, 엔비디아의 자율 주행 자동차인 'BB8' 입니다."라고 말했다.

사진은 엔비디아의 자율 주행 자동차인 'BB8' 에 적용된 자동 드라이브 및 HD 매핑용 'NVIDIA DRIVE PX 2'

한편 연구팀은 다음으로 Jetson TX1과 Jetson TX2 의 다운로드 가능한 소프트웨어를 개발하여 시각 정보만으로 자율 주행 무인기(드론)을 누구나 개발할 수 있도록 할 예정이며, 장기적으로는 Google 지도 등을 불문하고 지도상의 두 지점 사이를 이동할 수 있도록 로봇을 학습하고 진로에 장애물을 피하면서 문제없이 이동할 수 있도록 하고 싶다고 밝혔다.

 

 

저작권자 © 인공지능신문 무단전재 및 재배포 금지