1. 정교한 데이터가 중요하다 카메라를 통한 사물 인식 기술은 거의 완성 단계에 있습니다. 성능을 더욱 높이기 위해서는 정교한 데이터가 훨씬 더 중요한 시점이 되었죠. 정확한 인식을 위해서는 수많은 주행 데이터에서 정교하게 라벨링된 학습 데이터가 필요합니다. 애초에 데이터가 정교하지 않다면 아무리 훌륭한 기술을 써도 좋은 결과를 내기는 어렵습니다. 그림처럼 차량이 직접 보내온 주행 데이터에서 장애물을 라벨링합니다. 이를 학습 데이터로 활용하여 모델을 정교하게 개선해나가죠. 라벨링은 전문적으로 교육받은 라벨러가 일정한 기준에 따라 합니다. 저마다 기준이 다르다면 아무리 훌륭한 딥러닝이라도 제대로 된 성능을 발휘할 수 없습니다. 일정한 기준에 맞춰 정교하게 라벨링하여 나중에 모델이 저마다 다르게 예측하는 일..
1. 클러스터링, 도로 사진을 판별한 최초의 기법 스탠리가 우승한 2005년만 해도 카메라로 측정한 도로 사진을 제대로 판별할 수 있는 기술은 턱없이 부족했습니다. 그래서 당시 스탠리가 택한 방법은 머신러닝 기법 중 하나인 클러스터링이었습니다. 클러스터링이란, 비슷한 개체끼리 하나의 군집으로 묶는 기법을 말하는데, 당시 스탠리는 도로 사진을 하나의 군집으로 처리하고 비슷한 색상의 사진을 같은 도로로 판별하는 기법을 사용했습니다. 즉 주행 중인 바닥면의 사진을 카메라로 촬영하고 이 색상과 비슷한 색상이라면 이곳을 도로로 간주하는 것이죠. 만약 사막을 달리는 중이라면, 회색과 갈색이 섞인 색상의 묶음을 도로로 보는 겁니다. 이렇게 스탠리는 지속적으로 사진을 촬영하면서 색상을 비교했습니다. 여전히 회색과 갈색..
1. 레이더(Radar, RAdio Detection And Ranging) 레이더는 2차 세계대전 전후에 영국에서 개발한, 상대방의 전투기를 탐지하는 군사용 장비입니다. 당시 전쟁에서 독일의 움직임을 사전에 포착하는 큰 활약을 하죠. 영화에서처럼 눈에 보이지도 않을 정도로 멀리 있는 상대방 전투기의 위치가 레이더에는 보이죠. 레이더는 전자파를 쏘아올려 물체에 반사된 반사파를 측정합니다. 덕분에 보이지 않을 만큼 원거리에 있는 적도 감지할 수 있죠. 적을 조기에 발견하는 데 무척 유용해서 현대전에는 필수로 쓰입니다. 그리고 레이더는 이제 자율주행차에도 필수입니다. 자율주행차에서 레이더는 반사된 전자파를 분석해 많은 정보를 알아낼 수 있죠. 전자파는 빛의 속도로 나아가 순식간에 물체를 인식할 수 있고 야간..
1. 움직이는 컴퓨터가 되어버린 자동차 자율주행차는 하지 말아야 할 행동을 절대로 하지 않습니다. 언제나 운전에만 집중하죠. 2020년 1월 공공도로에서 구글의 자율주행차 웨이모는 약 3200만 km 이상을 달렸습니다. 지구둘레를 800바퀴 돈 거리죠. 2019년부터 21개월 동안 공공도로에서 600대의 자율주행 차량이 테스트 운행을 했지만 접촉사고는 18건밖에 일어나지 않았습니다. 사고는 대부분 다른 운전자나 보행자의 실수였고, 생명을 위협하는 심각한 부상으로 이어지는 사고는 단 1건도 없었습니다. 아직 상용화 단계가 아닌 개발 중인 시험차의 결과가 이 정도입니다. 그렇다면 자율주행차는 어떤 방식으로 운전대를 조작할까요? 1994년 우리나라 최초의 자율주행차 논문을 고려대 연구실에서 발표했습니다. 이때..
1. 자율주행의 시작 2004년 3월 캘리포니아 남동부 모하비사막에 수십대의 자동차가 늘어섰습니다. 240km를 질주하는 다르파 그랜드 챌린지에 참가하기 위해서였습니다. 그런데 출발부터 심상치가 않았습니다. 차량 2대는 출발선에 서보지도 못하고 철수해야했고, 1대는 출발과 동시에 거꾸로 뒤집혔습니다. 희한하게 생긴 자동차도 많았습니다. 게임에서나 볼 법한 버기카, 방금 화성에서 돌아온 듯한 큐리오시티를 닮은 탐사차도 있었습니다. 마치 영화 에 등장하는 차량들이 모여있는 것 같았습니다. 심지어 오프로드용 오토바이도 있었습니다. 그런데 이 오토바이는 상단에 AMD 서버를 장착하고, 내부에는 자이로스코프를 장착해 운전자 도움 없이도 오토바이가 스스로 균형을 잡을 수 있도록 설계되어 있었습니다. 이 오토바이는 ..
1. 알파고 제로, 더욱 바둑 실력을 갈고 닦다 알파고와의 대국은 2016년 당시 TV에서 생중계할 정도로 유명한 이벤트였고 알파고는 우리에게 깊은 인상을 남겼다 알파고는 이세돌을 꺾고 최고의 자리를 차지하였지만, 구글 딥마인드는 계속해서 알파고를 개선해나갔고 알파고 제로(AlphaGo Zero)가 등장하였다 기존 알파고는 학습을 수행할 인간 바둑기사의 기보가 필요하며 이를 습득해 실력을 키웠다 그러나 알파고 제로는 처음부터 자신과의 대국을 통해 실력을 쌓아나갔다. 완전히 무에서 시작한다고 하여 알파고 제로라는 이름을 부여했다. 알파고 제로는 매일 100만 대국을 휴식 없이 치를 수 있었다. 인간이라면 8살부터 80살까지 72년간 매일 다섯 차례씩 평생 대국을 해야 비로소 13만 대국을 둘 수 있는데, ..
딥러닝/머신러닝, 통계학, IT프로그래밍, 알고리즘을 좋아하는 사람 https://github.com/yundaehyuck
