혁신적인 자율주행 안전성 테스트 프레임워크, CORTEX-AVD 등장!

본 기사는 자율주행 자동차의 안전성 확보를 위한 핵심 과제인 '코너 케이스' 시나리오 생성 문제를 해결하기 위해 개발된 CORTEX-AVD 프레임워크를 소개합니다. CARLA 시뮬레이터와 Scenic, 유전 알고리즘, 다중 요소 적합도 함수를 활용하여 텍스트 설명만으로 코너 케이스 시나리오를 자동 생성하고, 시뮬레이션 효율성을 높이는 CORTEX-AVD는 오픈소스로 공개되어 자율주행 기술 발전에 크게 기여할 것으로 기대됩니다.

자율주행 자동차의 안전성, 숨겨진 위험 '코너 케이스'를 잡아라!

자율주행 자동차는 교통 안전과 효율성 향상을 위한 혁신적인 기술이지만, 예측 불가능한 상황, 즉 '코너 케이스(Corner Case)'에 대한 대비는 여전히 큰 과제입니다. 갑작스러운 보행자 출현, 예측 불가능한 차량 기동 등 희귀하지만 위험성이 높은 상황에서의 안전한 주행은 자율주행 기술의 핵심입니다. 하지만 이러한 코너 케이스 시나리오를 효과적으로 생성하는 것은 매우 어려운 일입니다. 기존에는 실제 도로에서 데이터를 수집해야 했고, 이는 비용과 시간이 많이 소요될 뿐만 아니라 위험성도 높았습니다. 시뮬레이션 기반 기술 역시 다양한 시나리오를 모델링하고 모든 가능성을 포착하는 것이 매우 복잡하고 시간이 오래 걸립니다.

혁신적인 해결책, CORTEX-AVD의 등장

이러한 어려움을 해결하기 위해, Gabriel Kenji Godoy Shimanuki 등 6명의 연구원이 개발한 CORTEX-AVD 프레임워크가 등장했습니다. CORTEX-AVD는 CARLA 시뮬레이터와 Scenic을 통합하여 텍스트 설명만으로도 코너 케이스 시나리오를 자동 생성하는 획기적인 시스템입니다. 이는 시나리오 모델링의 다양성과 자동화를 크게 향상시키는 혁신입니다.

유전 알고리즘과 다중 요소 적합도 함수의 조합

CORTEX-AVD는 시나리오 매개변수를 최적화하기 위해 유전 알고리즘(GA)을 활용합니다. 특히 기존 방법과 차별화되는 점은, 거리, 시간, 속도, 충돌 가능성 등 여러 요소를 고려하는 다중 요소 적합도 함수를 도입했다는 것입니다. 이를 통해 고위험 이벤트 발생률을 높이고, 쓸모없는 시뮬레이션의 비율을 줄여 효율성을 극대화합니다. 연구팀은 6가지 사례 연구를 통해 CORTEX-AVD의 효과를 검증하였고, GA 기반 코너 케이스 생성 방법에 대한 벤치마크도 제공하여 더욱 표준화된 평가를 가능하게 했습니다.

오픈소스를 통한 자율주행 기술 발전 가속화

CORTEX-AVD는 오픈소스로 공개될 예정이며, 이는 자율주행 기술 연구 및 개발의 가속화에 크게 기여할 것으로 예상됩니다. 더 안전하고 효율적인 자율주행 기술의 발전을 위한 중요한 이정표가 될 것입니다. CORTEX-AVD의 등장은 자율주행 기술의 안전성 확보에 대한 새로운 가능성을 열어주는 쾌거입니다.