이 연구는 혼잡하고 복잡한 실외 도시환경에서 자율주행 로봇이 스스로 상황을 인지하고 적절한 행동을 선택하여 안정적으로 주행할 수 있도록 하는 심층기계학습 기반 자율주행 시스템, DANS(Deep Autonomous Navigation System)를 개발하는 데 목적이 있다. 기존 자율주행 기술이 가지는 한계를 극복하기 위해, 본 과제는 두 가지 핵심 기술인 ‘주행경험축적 기반의 지능형 환경인식 기술’과 ‘Latent Model 기반의 지능형 주행행동 선택 기술’을 중심으로 구성된다. 첫 번째 기술은 심층학습 기반으로 지형의 특징을 분석하여 주행가능 영역과 위험지형을 인식하고, 3차원 점군 데이터를 활용하여 다수의 객체를 인식 및 추적하며, 주행경험을 통해 시간이 지남에 따라 변화하는 도시 환경에 적응할 수 있도록 지도를 지속적으로 업데이트하는 기능을 포함한다. 두 번째 핵심 기술은 다양한 도시환경에서 유연하게 대응할 수 있도록 주행행동을 모델링하고, 강화학습 기반 Latent Model을 이용해 스스로 학습하며 적절한 주행행동을 실시간으로 선택하는 주행행동 선택기를 개발하는 데 초점을 맞춘다. 이를 통해 개발된 DANS 기반 자율주행 로봇은 극도로 비정형적인 도시 환경에서도 강건한 인식 능력과 높은 자율성을 갖추며, 안전하고 효율적인 실외 주행을 가능하게 한다. 기대효과로는 축적된 주행 데이터와 핵심 기술 모듈의 라이브러리화를 통해 다양한 로봇 플랫폼에 응용할 수 있는 활용성 증대, 자율주행 시스템의 인식 정확도 및 판단 능력 고도화, 실내 중심의 로봇 서비스 영역을 실외로 확장함으로써 산업 전반의 응용 범위를 넓히고 관련 핵심 부품 수요 확대를 통한 새로운 시장 창출이 가능할 것으로 기대된다.

과학기술정보통신부

2024년 2월 - 진행 중