[자율주행] 자율주행과 인공지능 개념

자율주행 자동차란?

사람의 개입 없이 스스로 주행환경을 인지하여 위험을 판단하고 주행경로를 설정하여하고 제어하여 목적지까지 운행할 수 있는 자동차

자율주행에서 사용되는 기본 시퀀스는 다음과 같다.

자율주행 기본 동작

 

인지 :  차량 주변 데이터 수집

 

판단 :  위험 판단, 경로 생성 및 예측

 

제어 : 생성 경로 추종(차량의 구동부 제어) 

 

 

자율주행을 하기위해 기계학습이 도입되기 시작함.

 

기계학습이란?

데이터를 이용하여 학습하고 퍼포먼스를 개선하는 알고리즘의 연구분야

모든 조건에 대해서 사람이 프로그래밍 하지 않고 컴퓨터가 학습 할 수 있도록 프로그래밍한 것

 

기계학습을 하기위해서는 데이터가 필요함.

기계학습에 사용되는 데이터는 크게 훈련 데이터와 시험 데이터가 있음.

 

훈련 데이터 : 학습에 사용하는 데이터(최적의 알고리즘 생성목적)

시험 데이터 : 훈련 데이터를 사용한 모델의 성능 평가를 위해 사용하는 데이터

 

기계학습의 문제점

과적응(과적합) : 훈련에 이미 사용된 데이터만 잘 적용하는 경우(새로운 시험 데이터는 잘 적용되지 않음)

현재에도 과적응(과적합)을 개선하기 위한 방법 연구 중

 

기계학습의 방법중 지도방식에 따른 유형

1. 지도학습

지도학습 사진

• 특징 벡터A와 목표값B가 모두 알려줌.
  • e.g) 이 사진(특징벡터A)은 고양이(목표값B) 입니다.

이 사진은(특징벡터A)는 고양이(특징벡터B)이다. 

• 분류와 회귀 문제로 구분함.
  • 분류 : 정답이 이산 값인 경우
  • 회귀 : 정답이 연속적인 값인 경우 

 

2. 비지도학습

• 특징벡터 A는 주어지지만 목표값B가 주어지지 않는 상황
  • e.g) 고양이 사진 여러장을 주고 이러한 특징을 갖는 것이 고양이임을 알게함.
  • e.g) 호랑이 사진을 주고 고양이인지 아닌지 구분 짓게함. 

• 군집화, 밀도추정, 특징공간변환
  • 군집화 : 서로 비슷한 것끼리 묶는 과정
  • 밀도추청 : 어떠한 특징을 갖는 분포 추정
  • 특징 공간 변환(차원축소) : 특징벡터가 갖는 특징을 매우 저차원의 특징들로 추려내는 작업

 

3. 강화학습

• 목표값이 주어지고 보상의 합이 최대화가 되도록 하는 방식(지도학습과는 다른형태)
  • e.g) 길을 찾을때 목적지를 주고 컴퓨터가 시도를 통해 더나은 길을 찾을 수 있도록 보상을 주면서 최적의 길을 찾아내는 알고리즘.

 

4. 준지도학습

• 일부는 특징벡터A와 목표값B를 가지지만, 나머지는 특징벡터A만 가진 상황
• A, B를 모두 가진 데이터와 A만 가진 데이터 통합하여 활용 한다.