다중 카메라 기반 지역 항법용 End-to-End AI 자율주행 모델의 학습 및 적용

초록

본 논문은 한국 도로 환경을 고충실도로 재현한 MORAI 시뮬레이터에서 학습 및 검증된 Convolutional Neural Network (CNN) 기반의 자율주행 End-to-End (E2E) 제어 모델을 제안한다. 기존 모듈형 아키텍처에서 발생하는 오류 전파 문제를 해결하기 위해, 본 연구에서는 원시 영상 입력을 직접 조향 명령으로 매핑하는 E2E 학습 방식을 적용한다. 모델 학습은 다양한 가상 주행 환경에서 세 대의 카메라를 통해 수집된 데이터셋을 활용하였으며, adam 최적화 알고리즘과 huber 손실 함수를 이용해 최적화한다. 검증은 학습에 사용되지 않은 도로를 포함해 수행되었으며, 제안된 모델은 단일 전방 카메라만으로도 견고한 차선 유지 성능을 보였다. 다만 곡률이 큰 일부 도로 구간에서는 성능 저하가 관찰되었다. 본 연구는 한국 도로 환경을 반영한 시뮬레이션 기반 E2E 자율주행 모델의 개발 가능성을 입증한다.