자율주행 및 로봇 자동화 AI 소프트웨어 제공업체 헬름에이아이(Helm.ai)가 고급 ADAS L2/L3 및 L4 자율주행을 위한 AI 소프트웨어 스택의 일부로 행동 예측 및 의사결정을 위한 DNN(Deep Neural Network) 기반 모델을 발표했다.

헬름에이아이는 DNN 기반 모델을 훈련시켜 복잡한 도시 시나리오에서 차량과 보행자의 행동을 예측하고 자율주행 차량의 의사 결정 능력의 중요한 요소인 해당 상황에서 자율주행 차량이 취할 경로를 예측했다. 업계에서 검증된 서라운드 뷰 전체 장면 의미론적 분할 및 3D 감지 시스템을 핵심 표현으로 활용하여 훈련 의도 예측 및 경로 계획 기능을 지원한다.

또한 확장 가능한 방식으로 광범위한 예측 능력을 달성하기 위해 딥 티칭 기술을 사용하여 기반 모델을 훈련한다.

이 기술은 실제 운전 데이터에서 직접 학습하고 회사의 매우 정확하고 시간적으로 안정적인 인식 시스템을 사용하여 차량과 보행자의 복잡한 행동과 주변 운전 환경에 대한 정보를 캡처하여 도시 운전의 미묘하지만 중요한 측면을 자동으로 학습하는 DNN으로 이어진다.

헬름에이아이의 의도 및 경로 예측을 지원하는 기초 모델은 일련의 관찰된 이미지에서 입력을 수집하고 다음에 일어날 가능성이 가장 높은 결과를 나타내는 예측 비디오 시퀀스를 생성한다. 또한 모델은 의도 예측과 일치하는 자율주행차의 예측 경로를 제공한다. 의도 예측과 경로 예측 기능은 모두 자율주행차의 가장 안전한 최적의 행동을 계획하는 데 필수적이다.

중요한 것은 의도 예측 및 경로 계획을 위한 Helm DNN 기반 모델이 확장성이 높은 딥 티칭 패러다임으로 훈련되어 실제 주행 데이터에서 직접 복잡한 도심 주행 시나리오에 대한 감독 없이 학습할 수 있다는 것이다. 이 접근 방식은 실제 주행의 완전한 복잡성을 포착하기에는 부족한 번거로운 물리 기반 시뮬레이터와 손으로 코딩된 규칙을 우회한다.

특히 헬름에이아이 개발 및 검증 파이프라인은 고급 ADAS L2/L3 양산 소프트웨어에 최적화되어 있지만 L4 완전 자율 애플리케이션에도 직접 적용할 수 있다. 또한 헬름에이아이 확장 가능한 AI 접근 방식은 자율주행 차량을 넘어 로봇 분야에도 적용할 수 있다.

헬름에이아이는 고급 ADAS L2/L3 대량 생산 프로그램부터 대규모 L4 배포까지 원활하게 확장되도록 설계된 자율주행에 대한 AI 우선 접근 방식을 구축하고 있다. 이 회사의 소프트웨어 전용 플랫폼은 하드웨어에 구애받지 않고 비전 우선으로, 비전에 대한 중요한 인식 문제를 해결하면서도 필요에 따라 비전과 레이더/라이다 간의 센서 융합을 통합한다.

이번에 발표된 기술은 자율주행차용 AI 기반 의도 예측 및 경로 계획 소프트웨어의 확장 가능한 개발 및 검증을 위한 길을 열어 헬름에이아이 소프트웨어 제공의 가치를 가속화한다.

브라디스라프 보로닌스키(Vladislav Voroninski) 헬름에이아이 최고경영자는 "헬름에이아이는 고사양 ADAS L2/L3 양산과 대규모 L4 구축을 동일한 프레임워크에서 동시에 처리하는 확장성이 뛰어난 AI 접근 방식을 개척하고 있다."라며, "인식은 모든 자율주행 스택의 중요한 첫 번째 구성 요소이다. 인식 시스템이 더 포괄적이고 시간적으로 안정적일수록 다운스트림 예측 기능을 구축하는 것이 더 쉬워지며, 이는 복잡한 도시 환경에서 특히 중요하다. 우리는 업계에서 검증한 서라운드 뷰 도시 인식 시스템과 딥 티칭 훈련 기술을 활용하여 실제 주행 데이터에서 직접 학습할 수 있도록 의도 예측 및 경로 계획을 위한 DNN 기반 모델을 훈련시켜 기존의 물리 기반 시뮬레이터나 손으로 코드화된 규칙 없이도 다양한 도시 주행 시나리오와 인간 행동의 미묘한 부분을 이해할 수 있도록 했다."고 말했다.