드론의 눈: 제한된 자원에서도 날아오르는 AI의 힘

본 연구는 드론의 제한된 자원 환경에서 YOLOv8n 객체 탐지 모델이 우수한 성능을 보임을 실험적으로 증명하고, 엣지 및 클라우드 처리의 장단점을 분석하여 실시간 애플리케이션에 최적의 전략을 제시합니다.

최근 급속도로 발전하는 인공지능(AI) 기술은 무인항공기(UAV, 드론)의 컴퓨터 비전 능력을 크게 향상시켰습니다. 하지만 드론의 제한적인 처리 능력은 AI 기술의 탑재에 걸림돌이 되어 왔습니다. Lucas Rey를 비롯한 연구팀은 이러한 문제를 해결하기 위해, 제한된 컴퓨팅 환경에서의 YOLO(You Only Look Once) 모델 성능 분석 연구를 진행했습니다.

연구팀은 YOLOv8n과 YOLOv8s 두 가지 객체 탐지 모델을 NVIDIA Jetson Orin Nano, Orin NX, 그리고 Raspberry Pi 5 (RPI5) 와 같은 다양한 엣지 디바이스와 클라우드 환경에서 비교 분석했습니다. 실시간 드론 영상 처리 파이프라인을 사용하여 탐지 정확도, 추론 속도, 에너지 소비량을 측정하고, Post-training Quantization (PTQ)의 효과도 분석했습니다.

흥미로운 결과가 도출되었습니다. YOLOv8n 모델은 YOLOv8s보다 추론 속도가 훨씬 빨랐습니다. Jetson Orin NX에서는 초당 52프레임(FPS), INT8 양자화를 적용하면 65 FPS를 달성했습니다. 반면 RPI5는 실시간 처리 요구사항을 충족하지 못했는데, 에너지 효율이 높다는 점은 주목할 만합니다.

또한, 클라우드 기반 및 엣지 기반 처리 시간을 비교 분석한 결과, 통신 지연 시간이 실시간 애플리케이션에 큰 영향을 미치는 것으로 나타났습니다. 엣지 처리의 낮은 지연 시간과 클라우드 처리의 빠른 처리 속도 사이의 절충점을 찾는 것이 중요하다는 것을 시사합니다.

이 연구는 드론에 AI 모델을 배포하기 위한 최적화 전략과 권장 사항을 제시하는 데 중요한 기여를 합니다. 특히 제한된 자원을 가진 엣지 디바이스에서 실시간 객체 탐지를 구현하고자 하는 개발자들에게 유용한 지침을 제공합니다. 앞으로 드론의 AI 활용은 더욱 확대될 것이며, 이 연구는 그 발전에 중요한 밑거름이 될 것입니다.

주요 내용:

• YOLOv8n 및 YOLOv8s 모델의 엣지 디바이스 및 클라우드 환경에서의 성능 비교 분석
• Jetson Orin NX에서 YOLOv8n의 우수한 성능 확인 (INT8 양자화 적용 시 65 FPS 달성)
• RPI5의 에너지 효율은 높지만 실시간 처리에는 부적합
• 엣지 및 클라우드 처리의 장단점 비교 및 실시간 애플리케이션을 위한 최적화 전략 제시