KAIST, 게임 데이터 활용해 자율주행차 사고예측시스템 고도화

글자 작게 글자 크게 인쇄하기

KAIST(총장 신성철)가 비디오 게임 속 차량 충돌 장면을 학습 데이터로 활용, 더욱 정확한 차량 충돌 예측 정보를 얻는 기술을 고안했다. 충돌 장면 데이터를 원하는 만큼 얻을 수 있어 사고 예측 고도화와 자율주행자동차 보급 확대에 크게 기여할 것으로 전망된다.

서창호 KAIST 전기 및 전자공학부 교수는 비디오 게임 속 차량 사고 장면을 추가로 활용해 사고 예측 정확도를 대폭 높인 딥러닝 기반 차량충돌 예측시스템을 개발했다고 7일 밝혔다.

GTA5 게임 속 정보를 차량충돌 예측시스템에 활용하는 과정. 게임에서 가져온 영상을 변형시켜 실제 영상과 겉보기 차이를 줄여 활용한다.
<GTA5 게임 속 정보를 차량충돌 예측시스템에 활용하는 과정. 게임에서 가져온 영상을 변형시켜 실제 영상과 겉보기 차이를 줄여 활용한다.>

차량충돌 예측시스템은 차량 주변 상황을 살펴서 위험 여부를 파악하는 시스템이다. 충돌위험 차량을 발견하면 어느 정도의 확률로, 얼마나 시간이 흐른 뒤 충돌이 일어날 지 예측 값을 산출한다. 자율주행에 필수여서 많은 관련 기업이 시스템 고도화에 노력하고 있다. 현재 사전에 설정한 규칙 기반으로 활용하는 '규칙기반' 시스템이 주를 이룬다. 최근에는 딥러닝 활용이 늘어나고 있다.

문제는 딥러닝에 필요한 학습 데이터가 턱없이 부족하다는 점이다. 실제 차량 충돌 사고 장면을 충분하게 모으는 것이 쉽지 않다.

연구팀은 데이터 수급 해답을 비디오 게임에서 찾았다. 상용 비디오 게임인 '그랜드 태프트 오토5(GTA5)' 안에서 내부 환경 조절 도구로 사고를 구현하고 관련 정보를 얻었다.

서창호 KAIST 전기 및 전자공학부 교수
<서창호 KAIST 전기 및 전자공학부 교수>

추가로 영상 겉보기를 변환하는 '도메인 적응 기법'을 고안, 게임 속 정보를 실제 딥러닝에 활용할 수 있도록 했다. 게임 속 데이터는 실제 영상과 겉보기 차이가 있다. 이 격차는 도메인 적응 기법으로 줄일 수 있다.

연구팀은 이들 방법으로 기존 학습 데이터가 부족한 딥러닝 기반의 예측 시스템보다 높은 예측 정확도를 구현했다고 밝혔다. 1.6~1.8초 후 충돌 가능성을 예측하는 문제에서 기존 대비 18.5%의 높은 정확도를 보였다.

서 교수는 “딥러닝 데이터 확충으로 차량충돌 예측시스템을 고도화하면 현재 규칙 기반 시스템을 대체할 수 있게 될 것”이라면서 “우리가 만든 기술이 신산업 성장 분야를 선도하는데 큰 역할을 할 것”이라고 말했다.

대전=김영준기자 kyj85@etnews.com