▲ 죽스 로보택시

자율주행 자동차 죽스(Zoox)가 최대 8초 앞의 미래 시점을 예측할 수 있는 자율주행 기술을 시연했다고 아마존이 밝혔다.

아마존은 지난 2020년 1월 약 12억 달러의 금액에 죽스를 인수한 것으로 전해지고 있다. 아마존에 인수된 이후 죽스는 운전석과 핸들이 없는 직사각형 모양의 자율주행 차량을 공개한 바 있다.

아마존이 밝힌대로, 죽스 자율주행 차량이 최대 8초 앞선 미래 시점의 도로 상황과 주변 사람들의 움직임 등을 인식할 수 있다면 보다 안전하고 신중한 자율주행이 가능할 것으로 예상된다.

죽스의 인공지능 스택은 인식, 예측, 계획에 이르는 3가지 프로세스를 걸쳐 미래 시점의 주변 환경을 예측할 수 있다.

죽스의 AI 스택은 차량이 주변의 모든 것을 받아들이고, 개별적으로 어떻게 움직이는지 파악하는 인지 단계부터 시작한다. 인지 단계에서 자동차는 비주얼 카메라, 라이다, 레이더, 장파 적외선 카메라 등 다양한 센서를 통해 고해상도 데이터를 수집한다. 이들 센서는 차량의 네 귀퉁이에 설치되어 있으며, 차량 주변 100m 이상을 360도로 겹쳐 볼 수 있다.

로보택시는 이 데이터를 'ZRN(Zoox Road Network)'이라고 불리는 상세한 의미 지도(시맨틱 맵)와 결합한다. ZRN은 지역 기반 시설, 도로 규칙, 속도 제한, 교차로 배치, 교통 기호 위치 등에 대한 정보를 가지고 있다.

인지 관련 인공지능은 주변 자동차, 보행자, 자전거 이용자 등 에이전트를 식별 및 분류하고, 에이전트들의 속도와 궤적을 추적한다. 이어 이 데이터를 기계 학습이 이해하도록 최적화된 2D 이미지로 만든다. 이 이미지는 이미지의 어떤 항목이 차량에 중요한지를 결정하는 합성곱 신경망(CNN)에 제시한다. 이미지는 모든 에이전트에 대한 약 60개의 의미 정보(semantic information) 채널을 포함하고 있다. 이 정보를 사용해 기계 학습 시스템은 차량 주변의 각 동적 에이전트에 대한 잠재적 궤적의 확률 분포를 생성한다. 기계학습시스템은 에이전트들의 궤적뿐만 아니라 특정 도로에서 자동차가 어떻게 움직일 것으로 예상되는지, 신호등이 무엇을 하고 있는지, 횡단보도의 상황 등을 고려한다.

죽스 연구진은 지속적으로 예측 결과를 개선하려 노력하고 있다. 죽스의 AI 스택은 회사의 테스트 차량들이 훈련하기 위해 수집한 수백만 마일의 센서 데이터를 가지고 있으며, 데이터의 정확도를 높이기 위해 끊임없이 노력한다. 죽스는 AI스택의 예측 기능을 향상시키기 위해 ‘그래프 신경망’(GNN) 접근법을 활용하려고 한다. GNN은 차량이 시간이 지남에 따라 이러한 관계가 어떻게 변화할 것인지뿐만 아니라 차량 주변과 차량 내부의 다양한 에이전트 간의 관계를 이해할 수 있도록 해준다.