현실-가상정보 융합형 드라이빙 시뮬레이터-실차 혼합 시험 방법에 대한 연구

초록

자율주행 기술 개발을 위해 드라이빙 시뮬레이터를 사용하면 안전한 개발 환경을 제시함으로써 비용과 시간을 획기적으로 절약할 수 있다. 이를 위하여 본 연구에서는 상용 게임 소프트웨어인 GTA V를 기반으로 자체 제작한 초저가 드라이빙 시뮬레이터 (Im, 2020)를 사용하였다. 현재 시장에 나와있는 전문가용 드라이빙 시뮬레이터는 실사와 같은 고해상도 그래픽 구현 시 리소스를 크게 차지하고 가격이 고가라는 단점이 있다. 이에 비해 GTA V 드라이빙 시뮬레이터는 초저가로 높은 수준의 그래픽을 제공한다. 또한 기개발된 드라이빙 시뮬레이터는 자율주행 차량 핵심 센서인 라이다, 레이다, 초음파, GPS/IMU 등 다양한 센서 출력을 사용자 가변적으로 제공하는 기술을 갖고 있다. 단, 기존 상용 드라이빙 시뮬레이터와는 달리 차량 제어를 위한 차량 동역학 모델을 제공하지 않으므로 이에 대한 보완이 필요하다. 차량 동역학 모델에 대해 연구한 사례로서 Bevly et al.(2001)은 bicycle model을 소개하였다. 미지의 모델을 추정하기 위한 추정 기법으로 최소 제곱 기법 (LSE: Least Squares Estimation) 및 칼만 필터 등을 이용한다. Bevly et al.(2001, 2002)는 차량의 타이어 모델의 파라미터 값을 추정하기 위해 GPS 센서의 측정치와 칼만필터를 이용하였고, 추후 이를 발전시켜 GPS 센서와 INS 센서를 결합하여 타이어 모델의 추정 정확도를 높였다. Soal et al.(2019)는 통계학적 모델과 칼만 필터를 이용하여 system identification의 불확실성을 개선했다. Wenhao et al.(2017)은 미지의 dynamic 모델을 추정하기 위하여 머신 러닝을 이용하여 system identification을 수행하는 방법을 소개하였다. 본 연구에서는 bicycle model을 가정하고 LSE 기법을 이용하여 드라이빙 시뮬레이터 속 차량의 다이나믹을 추정하는 방법을 소개하고 실험 결과를 제시한다. 또한 자체 제작한 무인 자율주행 차량에 대해 소개하고 이를 이용한 실제 환경에서의 실험을 통해 시뮬레이터에서 개발한 기법이 실제 환경에서 얼마나 유사하게 적용 가능한지 검증한다.