자동차에서 인공지능 (AI) 사용 분야

인공 지능이 진화함에 따라 자동차 부문도 마찬가지로 다양하게 응용 분야를 확대하고 있다. 자율주행차부터 운전자 지원 시스템(ADAS) 인포테인먼트 및 예측 유지 관리까지 AI 기술은 운전을 훨씬 더 안전하고 편안하게 만드는 데 도움이 된다. 이 글에서는 자동차 부문에서 인공 지능이 어떻게 적용되는지에 대한 기술적이고 자세한 통찰력을 제공한다.

 

자율 주행 및 운전자 지원 시스템 (ADAS)

자율 주행 (Autonomous Driving / Self Driving)

자율 주행은 AI의 전형적인 사용 사례이다. 자율 주행 자동차는 환경을 인식하고 다양한 센서와 알고리즘을 사용하여 다양한 조건에서 도로를 주행할 경로를 스스로 결정한다. 자율 주행 기술을 구성하는 주요 기술 요소는 다음과 같다.

• 컴퓨터 비전: 카메라를 통해 수집된 영상 데이터를 분석하여 도로, 차선, 보행자, 신호등 등을 인식한다. 딥러닝 기반의 객체 인식 알고리즘이 주로 사용된다.
• 센서 융합: 라이다(LiDAR), 레이더, 초음파 센서 등 다양한 센서로부터 수집된 데이터를 이용하여 차량 주변의 3D 환경을 모델링한다. 이를 통해 차량은 주변 물체, 그리고 그 위치와 속도를 정확하게 파악할 수 있다.
• 경로 계획: 수집된 환경 정보를 바탕으로 최적의 주행 경로를 계획한다. 경로 계획 알고리즘은 주로 강화 학습(Reinforcement Learning)과 같은 AI 기법을 사용하여 실시간으로 변화하는 도로 상황에 대응한다.
• 제어 시스템: 계산된 경로를 따라 차량을 제어한다. 이는 주로 PID 제어, 모델 예측 제어(MPC)와 같은 제어 이론을 기반으로 한다.

현재 자율주행 기술은 자동차 기술자 협회(SAE)에 따르면 레벨 0에서 레벨 5까지 분류된다. 레벨 5는 인간의 개입이 전혀 필요 없는 완전 자율주행 기술을 나타낸다. 현재 시판 중인 자율주행차는 주로 레벨 2와 레벨 3이며, 진행 중인 연구 및 개발 작업은 완전 자동 주행을 목표로 한다.

운전자 지원 시스템 (ADAS)

ADAS 또는 고급 운전자 지원 시스템은 운전자의 안전을 유지하는 데 도움이 되는 다양한 서비스를 제공한다. 인공 지능은 이러한 시스템 구현의 효율성과 안정성을 향상시키는 데 크게 기여한다. ADAS의 몇 가지 중요한 특징은 다음과 같다.

• 차선 이탈 경고(LDW, Lane Departure Warning): 카메라를 통해 차선을 인지하고, 차선을 이탈할 경우 운전자에게 경고한다. 딥러닝 기반의 인식 알고리즘이 사용된다.
• 자동 긴급 제동(AEB, Autonomous Emergency Braking): 레이더와 카메라를 통해 전방의 차량이나 보행자를 감지하고, 충돌 위험이 있을 경우 자동으로 제동을 걸어 사고를 예방한다. 객체 인식과 거리 측정 알고리즘이 결합되어 작동한다.
• 적응형 크루즈 컨트롤(ACC, Adaptive Cruise Control): 레이더와 카메라를 통해 앞 차량과의 거리를 유지하며 속도를 자동으로 조절한다. 이를 통해 장거리 운전 시 운전자의 피로를 줄일 수 있다.
• 사각지대 감지(BSD, Blind Spot Detection): 레이더를 통해 사각지대에 있는 물체를 감지하고, 차선 변경 시 충돌 위험을 경고한다.

이러한 ADAS 기능들은 AI 기술을 통해 더욱 정교하게 작동하며, 운전의 안전성과 편의성을 크게 향상시킨다.

 

인포테인먼트 (Infotainment)

인포테인먼트 시스템은 차량 내부의 엔터테인먼트와 정보에 기여하는 또 다른 주요 구성 요소이다. 인공 지능은 인포테인먼트 시스템을 지능적으로 만든다. 몇 가지 주요 기술 구성 요소는 다음과 같다.

• 음성 인식: 자연어 처리(NLP) 기술을 통해 운전자의 음성 명령을 인식하고, 이를 통해 온도 조절, 음악 재생, 네비게이션 설정, 전화 걸기, 기타 애플리케이션 실행 등의 기능을 수행한다. 딥러닝 기반의 음성 인식 모델이 사용된다.
• 맞춤형 콘텐츠 제공: AI는 운전자의 습관과 패턴을 학습하여 맞춤형 콘텐츠를 제공한다. 예를 들어, 자주 듣는 음악이나 선호하는 경로를 추천해주는 기능이 있다. 추천 시스템은 주로 협업 필터링(Collaborative Filtering)과 같은 기법을 사용한다.
• 제스처 인식: 카메라를 통해 운전자의 손동작을 인식하여 특정 기능을 제어할 수 있다. 딥러닝 기반의 제스처 인식 알고리즘이 사용된다.
• 실시간 정보 제공: AI는 실시간 교통 정보, 날씨 정보 등을 분석하여 운전자에게 제공한다. 이를 통해 운전자는 최적의 경로를 선택할 수 있다.
• 운전자 모니터링 (DMS): 컴퓨터 비전과 AI를 통해 주행중에 운전자를 모니터링 하여 졸음과 같은 위험한 상황이 있을때 경고해준다.

예측 유지보수

AI가 가져온 또 다른 주요 변화는 차량 유지 관리이다. 예측 유지 관리란 AI를 통합한 기술로, 예를 들어 차량의 상태 모니터링을 실시간으로 수행하고 고장 예측을 개발할 수 있다. 중요한 기술 구성 요소 중 일부는 다음과 같다.

• 상태 모니터링: 차량의 다양한 센서 데이터를 실시간으로 수집하고 분석하여 차량의 상태를 모니터링한다. 예를 들어, 엔진의 진동, 온도, 압력 등을 모니터링하여 이상 징후를 감지한다.
• 고장 예측: 머신러닝 알고리즘을 사용하여 수집된 데이터를 분석하고, 고장 가능성을 예측한다. 주로 회귀 분석, 시계열 분석, 이상 탐지 알고리즘이 사용된다.
• 정비 추천: 예측된 고장 정보를 바탕으로 차량 소유자에게 정비 시점을 추천한다. 이를 통해 문제 발생 전에 미리 정비를 받을 수 있어, 유지보수 비용을 절감하고 차량의 수명을 연장할 수 있다.

예를 들어, 비정상적인 엔진 진동이나 배터리 상태를 감지하고 사전에 경고하는 시스템을 AI로 구현할 수 있다. 이를 통해 차량 소유자는 예상치 못한 고장을 방지하고 차량 성능을 최적화할 수 있다.

 

메르세데스 벤츠 사례

벤츠에서도 인공지능을 차량 내, 클라우드, 개발 프로세스 등 많은 분야에서 다양하게 사용하고 있다. 이미 적용되어 나온 분야도 있고 앞으로 더 적용을 하기 위해 SoC 내에서 더 강력한 NPU의 성능을 요구하고 있다.

 

자율주행/ADAS는 NVIDIA와 협업하여 레벨 2와 부분적인 레벨 3를 달성하여 실제 양산을 하고 있다. 인포테인먼트 분야에서도 음성인식 지원, DMS/OMS 지원 등을 하고 있고 추후에는 Navigation 등과 내부 콘텐츠와 연동하여 AI Assistant 기능을 제공하려고 한다.

 

내부 개발하는데 있어서도 AI Chatbot을 활용하여 손쉽게 다양한 정보를 얻어 효율화를 극대화 하고 있으며, 에러 로그 분석, 이슈 자동 분류 등 다양한 부분에 이용을 하기 위해 계속 노력하고 있다.

 

결론

AI는 자동차 산업에 혁신적인 변화를 가져오고 있다. 자율 주행과 ADAS를 통해 운전의 안전성과 편의성이 향상되고, 인포테인먼트 시스템은 더욱 사용자에 맞게 커스터마이즈되고, 예측 유지보수는 차량의 관리 효율성을 높이고 있다. 앞으로 AI 기술이 더욱 발전함에 따라, 자동차 산업은 더욱 혁신적이고 사용자 친화적으로 나아갈 것이다. 벤츠를 비롯한 모든 자동차 회사, 공급업체에서는 개발 및 생산, 판매, 사후관리에 있어 AI 기술도입은 필수불가결한 사항이고 이를 고객 만족과 연결하기 위해 지속적으로 노력하고 있다.