기획시리즈 chapter 1 인공지능기반자율사물개발동향과발전전망 * 최진철 손영성 한국전자통신연구원선임연구원한국전자통신연구원책임연구원 IT리서치기관가트너 (Gartner) 는최근 2년간연속으로자율사물 (Autonomous Things) 을 10대전략기술트렌드에포함시키며, 향후 5년내자율사물의시대가올것으로예측했다. 자율사물은로봇, 자율주행차, 드론, 가전제품등의유형으로구현되며, 인간이수행하던기능을자동화 (Automation) 하는수준을뛰어넘어인공지능 (AI) 을기반으로사용자의개입없이스스로판단하고행동하는자율성 (Autonomy) 을갖춘디바이스이다. 인공지능기술이발전함에따라자율사물은향상된인지력과판단력을가질수있게진화되어주변환경및사람들과보다자연스럽고지능적으로상호작용할것으로전망된다. 본고에서는자율사물의개념과개발동향을살펴보고, 향후발전전망에관해고찰한다. I. 자율사물의개념 그리스어에어원을둔자율 (Autonomy) 은자신을의미하는 αὐτο와법을의미하는 νό μος의합성어로서, 자기자신에게스스로법을부여한다는사전적의미를가진다. 이에타인의지배나구속을받지않고자신이세운원칙에따라자치적으로행동하는의지를자율성이라고한다. 자율이라는용어는근본적으로인간의자기결정성에기반하기때문에 * 본내용은최진철선임연구원 ( 042-860-1193, spiders22v@etri.re.kr) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP 의공식적인입장이아님을밝힙니다. *** 본연구는한국전자통신연구원연구운영비지원사업의일환으로수행되었음 [20ZR1100, 산업및사회문제해결을위한사물분산지능핵심원천기술개발 ] 2 www.iitp.kr
기획시리즈 - 인공지능 < 자료 > 한국전자통신연구원자체작성 [ 그림 1] 자율사물의요소기술예시사물에자율이라는용어를함께사용하는것은적합하지않다. 하지만최근 ICT 분야의주요이슈인자율주행차, 자율비행드론, 자율이동로봇등과같이자율이라는용어는이제인간이아닌사물에게도적용할수있는수준으로적용영역이확장되고있다. 자율성을가진기기나장치들을통칭하는자율사물 (Autonomous Things) 이라는용어는 2018년 10월미국의 IT 분야시장조사및컨설팅기관가트너 (Gartner) 가발표한 2019년 10대전략기술트렌드에수록된이후본격적으로언급되고있다 [1]. 차량, 드론, 로봇, 전자기기등의유형으로구현되는자율사물은인공지능 (AI) 을활용하여감각, 분석, 판단능력등을갖추고사람이수행하던업무를숙련공처럼처리할수있다. 무엇보다기존의경직된프로그래밍모델이제공하던반복및규칙기반작업의자동화 (Automation) 를넘어, 사용자의개입없이스스로판단하고행동하는자율성 (Autonomy) 을갖춤으로써주변환경이나사람과보다지능적이고자연스럽게상호작용할수있다. 자율사물을구현하기위한표준이나참조구조는아직공개된바없지만, [ 그림 1] 과같이공통의하드웨어플랫폼과운영체제를기반으로감지 (Sensing), 인지 (Perception), 사고 (Thinking), 행동 (Action) 등 4개의서브시스템이자율동작을위해탑재될것으로예상된다. 감지서브시스템은자율사물의동작에필요한환경데이터를측정할수있는다양한센서들로구성되며, 인지서브시스템은수집된데이터를바탕으로위치와객체인식, 사물추적, 상태및상황을지각할수있는기술로구성된다. 사고서브시스템은 정보통신기획평가원 3
< 자료 > 아마존프라임에어 2019. [ 그림 2] 상품배송을위한자율비행드론 < 자료 > TIME, Stop Me if You've Heard This One: A Robot and a Team of Irish Scientists Walk Into a Senior Living Home, 2019. 10. 4. [ 그림 3] 노약자케어를위한자율이동로봇 사물의자율적의사결정을가능하게하는다수의알고리즘으로구성된다. 인지서브시스템을통해파악한상태및상황에적절히대응하기위한실시간의사결정, 행동계획, 이동경로설정, 상황추론및예측, 빅데이터기반판단기술등을예로들수있다. 마지막으로행동서브시스템은사물의의사결정을실현하는기술로구성되며이동을위한구동기제어나음성출력및가시화, 타사물제어및상호작용기술등이이에속한다. 이러한네가지요소기술들의유연한연계를통해자율사물은환경을감지하여상황이나상태를인지하고, 이에대응하기위한의사결정을스스로내리고행동할수있다. [ 그림 2, 3] 과같이상품배송서비스를위한자율비행드론 [2], 노약자케어및생활서비스를위한자율이동로봇 [3],[4] 등은이미활용되고있으며, 정보수집및공격용밀리터리로봇 [5], 탑승자가목적지만설정하면운전에전혀개입할필요가없는레벨 5 수준의완전자율주행차 [6] 등도수년내등장할것이다. 향상되는기술력과규제의개선, 사회적수용이증가됨에따라점차더많은자율사물이보급되고활용될전망이다. 이에따라자율사물은단독형의지능사물에서스스로여러사물들과협업하여작동하는협력형사물스웜 (Collaborative swarms) 으로진화될것으로예상된다 [7]. 실례로 [ 그림 4] 와같이미국의 NRI(National Robotics Initiative) 프로젝트에서는무인농업자동화를위해이종사물들의협업연구, 구체적으로는자율이동로봇이농장을자율적으로운영하기위한계획알고리즘을창조하고, 드론이로봇및인간작업자와함께특수작물재배나수직농법을협업하기위한솔루션개발연구를진행하고있다. 4 www.iitp.kr
기획시리즈-인공지능 <자료> Georgia 대학교, UGA complex system control lab, 2019. [그림 4] 미국 NRI 프로젝트의 자율 사물 협업을 통한 무인 농업 자동화 연구 급격한 AI 기술 발전에 힘입어 사물의 자율성은 계속해서 강화될 것이며, 자율주행차량 의 상용화 가속과 상업용 드론의 활용성 증대 등은 자율 사물의 성장과 투자를 꾸준하게 견인할 것으로 예상된다. 본 고에서는 자율로봇, 자율주행차량, 자율비행드론을 중심으로 자율 사물에 대한 개념과 개발 동향을 살펴보고, 향후 발전 전망에 관해 고찰한다. II. 자율 사물의 분류와 자율성 평가 자율 사물은 그 목적과 용도, 경제성에 따라 다양한 수준의 자율성과 지능을 가질 수 있다. 예를 들어, 청소로봇은 공간 감지와 위치 인식에 필요한 단순 감각 능력과 제한적인 자율성(예; 청소 여부, 위치 및 동작 궤적 선정 등)만으로도 충분하지만, 자율주행차량은 안전하고 정확한 목적지 도달을 위해 동작제어를 위한 고수준의 지능과 이동 환경 및 타 차량과의 상호작용 및 협업 능력 등이 요구된다. 여기서 자율성의 범위는 인간의 개입이 일정 요구되는 초보 수준의 자율에서 감독되지 않은 상태로 작동하거나 작업을 완료할 수 있는 완전자율 영역까지 포함한다. 그리고 타 사물과의 협업 가능 여부, 감각 기능과 정보통신기획평가원 5
< 자료 > Gartner, Top 10 Strategic Technology Trends for 2019, 2018. [ 그림 5] 가트너의자율사물평가를위한프레임워크 의사결정능력정도에따라자율사물의수준이다양하게분류될수있다. 따라서용도와기능에따라자율사물을분류하고, 자율성을평가하기위한기준이필요하다. 비록공식적으로통용되는기준안은없지만 [ 그림 5] 와같이가트너가제시한자율사물평가프레임워크 [7] 를통해어느정도나마자율사물의능력과수준을분류할수있다. 해당프레임워크에따르면자율사물은로봇, 차량, 드론, 응용서비스, 에이전트등의유형으로제공되며, 동작가능환경은육지, 해상, 공중, 디지털환경으로구분된다. 그리고자율화정도에따른능력 (Capability), 협업수준에따른조직성 (Coordination), 지능화 (Intelligence) 정도등이각각 4~5단계로분류되고있다. 해당프레임워크는자율사물의유스케이스시나리오를개발하고, 기술적요구사항등을검토하기위한용도로활용될수있지만, 자율수준을평가하기위한용도로사용하기에는간소화된측면이많다. 무인시스템의자율성을분류하고평가하기위한또다른기준으로 [ 그림 6] 과같이미국 NIST 프로젝트에서개발한 ALFUS(Autonomy Levels For Unmanned Systems) 프레임워크 [8] 를활용할수있다. ALFUS 프레임워크는임무복잡도 (Mission complexity), 환경난이도 (Environmental difficulty), 인간독립정도 (Human independence) 등의세가지지표를기반으로무인시스템의자율성을평가하는기준이다. [ 그림 6] 의 3축 ALFUS 모델과같이세가지요소기반으로 3축으로자율수준을도시하고, 업무의난이도와처리능력수준등을분석한다. 그리고세가지수준별가중치를부여하고이를합산 6 www.iitp.kr
기획시리즈 - 인공지능 [3 축 ALFUS 모델 ] [10 단계의자율성레벨 ] < 자료 > H. Huangi, et al. A Framework For Autonomy Levels For Unmanned Systems(ALFUS), SPIE, 2005, [ 그림 6] ALFUS 프레임워크 하여 [ 그림 6] 의 ALFUS 자율성레벨에제시된바와같이 0에서 10단계의자율수준으로나타내었다. 가트너의자율사물프레임워크와 ALFUS 프레임워크는다양한자율사물의자율성을포괄적으로평가하는데활용가능하지만, 평가요소들사이의연결성과독립성을결정하기어려우며, 각요인들의평가에주관적인견해가포함될수밖에없는한계를가지고있다. 이에자율사물의유형에따라자율성과능력을정량적이고객관적으로평가하기위한방안의개발이요구되지만, 아직구체적인사례는찾아보기어려운형편이다. III. 자율사물의기술개발동향과향후전망 1. 자율로봇 로봇분야는최근급격히발전하고있는기계학습기반 AI 기술을통해로봇에자율성, 사회성, 적응성등고도의지능을탑재한지능형자율로봇중심으로빠르게재편되고있다. 지능형자율로봇은외부환경을인지, 분석하고스스로상황을판단해서자율적으로동작을하는로봇을말한다. 지능형자율로봇은용도에따라제조 / 산업용 ( 예 ; 조립, 용접, 도장, 포장, 검사 ), 전문서비스용 ( 예 ; 의료, 군사, 농수산업 ), 개인서비스용 ( 예 ; 가사, 교육, 돌봄 ) 으로구분할수있다. 정보통신기획평가원 7
< 자료 > The Robot Report, Reasons why high-dof robots haven t caught on, 2019. 9. 30. [ 리팅크로보틱스의 Baxer] < 자료 > Mujin, 2019. [ 무진의티치리스 (Teachless) 로봇 ] [ 그림 7] 산업용자율로봇지능형자율로봇이가장앞서있는분야는산업특성상로봇을많이사용하는제조업이다. 미국리팅크로보틱스 (Rethink Robotics) 의 7축이중팔로봇박스터 (Baxer) 는부품의조립, 물품운송, 부품의제거, 제품의포장작업이가능하다. 0.1mm의작은구멍에도부품을삽입할정도로높은정확도를가지고있으며상황을판단하는능력도우수하다. 기존의일반로봇은지정된위치에부품이없으면작업을할수없지만, 박스터는작업환경을인지하고스스로위치를조정하여작업을수행할수있다. 한편, 사용자의간단한시연이나교시를통해로봇이스스로학습하는기술도활발히연구되고있다. 일본무진 (Mujin) 의티치리스 (Teachless) 로봇은작업수행을위해동작궤적을사전에입력해야하는기존로봇과는다르게할당된작업을스스로학습하면서완성한다. 티치리스로봇컨트롤러는 3D 카메라를이용하여 3D 환경의비전을딥러닝기술을통해학습하고, 상황에따른동작명령을연결된로봇에전달한다. 비전문가도 3주정도면벌크부품피킹등자동화시스템도구축할수있는것으로알려져있다 [9]. 로봇의학습시간과시행착오를줄이기위한연구도활발하게이루어지고있다. 미쓰비시는스마트학습 AI 개발을통해기존의 AI 기술대비학습연산량을대폭줄여저사양하드웨어로봇에도탑재가능하며, 학습시간도기존방식대비 1/10 수준으로줄인것으로발표했다 [10],[11]. 이와같이기존의산업용로봇은 AI 융합을통해자동화의영역을넘어인간의움직임을모방하고스스로학습하고판단해서작업하는자율로봇으로빠르게진화하고있다. 8 www.iitp.kr
기획시리즈 - 인공지능 [ 에코로보틱스의제초로봇 ] [ 나이트스코프의경비로봇 ] [ 그림 8] 농업및경비용자율로봇 농업분야활용을위한자율로봇연구도활발하게진행되고있다. 스위스에코로보틱스 (Ecorobotix) 의제초로봇은 GPS, 카메라, 로봇팔, 태양열집열판을탑재하고, 작물이자라는이랑을따라주행하며, 이미지분석을통해잡초를인식하면한쪽로봇팔은잡초를뽑고, 다른팔은약제를살포하는기능을가지고있다. 촬영된이미지를분석하여농작물과잡초를구분하고잡초에제초제를살포하거나, 농작물에농약을살포할수있다. 이외에도덴마크의폴센엔지니어링 (Poulsen Engineering) 은트랙터부착형제초로봇로보배이터 (Robovator) 를시판하고있다. 농작물이자라는다수의이랑을카메라가촬영하여 95~98% 확률로잡초를뽑아낼수있다 [12]. 외식업에도지능형로봇이활발히진출하고있다. 영국몰리 (Moley) 의스마트키친로봇 (Smart Kitchen Robot) 은 2개의로봇팔을이용하여정교한움직임으로조리를하고, 미국미소로보틱스 (Miso Robotics) 의플리피 (Flippy) 는시간당 80바구니의햄버거패티뒤집기, 음식튀기기, 요리모니터링, 청소등을할수있다. 국내기업인티로보틱스 (T-robotics) 도핸드드립커피를내리고케이크에그림을그리고, 바텐더가만든레시피로음료를제작하는카페봇을개발하여이를활용하는카페를오픈하기도했다 [13]. 이외에도자율이동, 장애물회피, 지능적경로탐색등이가능해음식서빙과식기회수임무를원활히소화하는서빙로봇도등장하고있다. 서빙로봇은음성대화기능을탑재하여고객과일정부분소통이가능하며, 자기위치추정기법 (Simultaneous Localization and Mapping: SLAM) 기반의운항기술을도입하여실내의정확한위치를파악하고동선화하여자율적으로이동하여서빙하는것이가능하다. 중국의최대레스토랑프랜차이즈하이디라오가 2018년 10월베이징에오픈한레스토랑과비슷한시기에전자상거래 정보통신기획평가원 9
기업징둥이텐진에오픈한레스토랑등이 AI 로봇을활용한대표적인무인레스토랑이다. 국내에서도미국베어로보틱스 (Bear Robotics) 의서빙로봇을도입하여피자레스토랑내테이블사이를오가며음식을나르기도했다. 자율이동로봇은대규모공장이나창고의물류운반에도적용되고있다. 2012년아마존에인수된 KIVA시스템의키바로 < 자료 > 로봇신문, 로보월드 2018 특집, 2018. 10. 10. [ 그림 9] 국내철도역사에서시범운영된철도경찰로봇 봇과 2017년준공된 3만평크기의창고에서운반작업을하는알리바바의물류로봇이대표적이다. 한정된공간에서수백대의운반로봇이효율적으로이동하기위해서는진열대와작업자간주행경로를최적화하고, 충돌을회피하거나조정할수있어야한다. 이러한로봇에탑재되는 AI 기술은로봇상호간의움직임을예측하고가장효율적인배치와경로를도출함으로써문제없이이동할수있게해준다. 경비로봇은정찰, 경비, 구조등 24시간내내위험부담이따르는현장의안전을책임지기위해활용되고있다. 미국나이트스코프 (Knightscope) 의경비로봇은실리콘밸리거리를순찰하며상황정보를수집하여관제센터에보낸다. 차량이장기간주차되어있거나, 의심스러운행동이포착되면관제센터에이를즉각알린다. 고해상도 360도영상녹화및스트리밍, 보행자및차량번호판인식, 문자음성자동변환 (TTS), 도움이필요한사람에게정보를제공해줄수있는컨시어지기능등이탑재되어있다. 일본과싱가포르의도시철도역에도 AI 탑재로봇이역내경비를하는시범사업이수행되었다 [14]. 국내에도 [ 그림 9] 와같은철도경찰로봇이 2018년 11월서울역과동대구역에각 2대씩투입되어시범운영되었다. 철도경찰로봇은자동순찰 ( 자율주행 ) 과수동순찰 ( 원격제어 ), 응급상황호출및화상통화, 안내및홍보서비스등을제공해철도치안및방범강화에기여했다 [15]. 2. 자율주행차 자율주행차의 자율화 의정도는크게운전자의운전을도와주는운전보조수준에서 10 www.iitp.kr
기획시리즈 - 인공지능 [ 표 1] SAE 의자율주행단계정의 단계개요감시및대응주체 레벨 0( 수동운전 ) - 운전자가모든동적운전작업시행운전자 레벨 1( 운전자보조 ) 레벨 2( 부분자율주행 ) 레벨 3( 조건부자율주행 ) 레벨 4( 고도자율주행 ) - 시스템이스티어링또는가속 / 감속제어작업을한정된영역내에서시행 - 시스템이스티어링및가속 / 감속제어작업을한정된영역내에서시행 - 시스템이모든동적운전작업을한정된영역내에서시행 - 작동을지속할수없을경우에는운전자가일부개입 - 시스템이모든동적운전작업시행 - 작동을지속할수없을경우에도시스템이한정된영역내에서응답 운전자 운전자 시스템 ( 시스템동작불가시운전자개입 ) 시스템 레벨 5( 완전자율주행 ) - 시스템이모든동적운전작업시행 - 작동을지속할수없을경우에도시스템이무제한응답 < 자료 > SAE International( 미국자동차기술자협회 ), SAE J3016, 2019. 시스템 사람없이완전히자율적으로운전하는수준으로나눌수있으며, [ 표 1] 과같이미국자동차기술자협회는이를레벨 0에서레벨 5까지 6단계로나누어세분화하였다. 레벨이올라갈수록자율주행정도가고도화되는데, 안전운전감시및대응주체가운전자인지시스템인지를구분하는레벨 2와레벨 3의수준차이가매우크다. 자율주행차의동작구조는적용된기술과구현방식에따라다양하게설계될수있으며, 통상적으로 [ 그림 10] 과같이환경인지, 경로및행동플래닝, 궤적추적, 장치제어등으로구성된다. 이러한구조만보면레벨 1~2의자율주행은굳이 AI가적용되지않고, 다수의센서를활용하는것만으로도구현이가능하다. 예를들어, 주행중인차량에갑자기장애물이나타났을때초음파센서나레이더를이용하여감지하고정지하거나회피하는것이가능하다. 또한, 고속도로에서카메라를통해차선을인지하고, 앞차와의거리를안전하게유지하며뒤따르는것도 AI 없이센서와전자식가속 / 감속, 스티어링제어기능만있으면충분히구현가능하다. 그러나레벨 3 이상의자율주행기술을완성하기위해서는고도의 AI 기술이필요하다. 그이유는전통적인영상처리의한계와학습을통한객체인식능력의극대화가요구되기때문이다. 전통적인영상처리방식은사물의특징 ( 예 ; 색상, 크기, 형태등 ) 을추출하여영상에서원하는사물을찾을수있도록알고리즘화하고, 실시간으로프로그램을동작시켜원하는결과를넣는다. 그러나이러한방식은현실의다양한사물을일반화하기어려운한계를 정보통신기획평가원 11
< 자료 > L. Xu, et al. Design and implementation of driving control system for autonomous vehicle, IEEE ITSC, 2014. [ 그림 10] 자율주행차의동작구조예시 가지고있다. 사람의예만들어도남녀노소에따라신체나외관의차이, 걷거나뛰는등다양한움직임에모두대응하기어려워인식률이낮다. 또한, 기존사물의특징이바뀌거나사물을추가할때마다소프트웨어를변경해야하는어려움도존재한다. 물론, AI도제대로된학습모델생성을위해양질의데이터를많이요구하고, 학습된데이터를이용하여만들어진모델에적합한데이터가입력될때에는비교적정확한결과를도출하는반면학습모델이경험하지못하거나모호한데이터를처리하기어려운한계가있다. 하지만 AI는충분한데이터만주어지면학습을통해알려지지않은데이터를예측할수있는매력이있다. 따라서기존완성차업체를비롯해서부품기업, IT 기업, AI 스타트업, 대학및연구기관들은다양한방법으로데이터를수집하고, 자율주행차량의학습모델을개선하는연구를진행하고있다. 높은수준의자율주행기술은뛰어난 AI 기술력이뒷받침되어야하므로기존자동차제조업체및부품기업들은독자적인기술확보노력과 IT기업과의합종연횡전략을동시에추진하고있다. 폭스바겐과포드는자율주행스타트업선두주자인아르고 AI(Argo AI) 에공동으로투자하여전략적제휴를강화하고있다 [16]. 아르고 AI는포드의퓨전하이브리드를자율주행차로개조하여미국주요도시에서레벨 4 수준의자율주행테스트를진행하고있다. 이외에도 2019년 6월르노-닛산-미쓰비시동맹은구글의자율주행스타트업웨이모와자율주행기술활용에대한협약을발표한바있으며, 메르세데스-벤 12 www.iitp.kr
기획시리즈 - 인공지능 츠, 아우디, 부품기업콘티넨탈 (Continental) 과보쉬 (Bosch) 는각각엔비디아 (Nvidia) 와자율주행차용 AI 아키텍처와플랫폼개발, 차량탑재유닛등을협력하여개발하기로합의하였다. 이러한경쟁사간협력은시시각각변화하는환경에 AI가잘대응할수있도록하는데초점이맞춰져있다. 한편, 전기자동차업계의강자인테슬라는자율주행을위한하드웨어및소프트웨어개발에독자적인역량을강화하고있다. 2019년 4월자체행사에서값비싼라이다 (LiDAR) 를사용하지않고, 카메라, 레이더, 초음파센서만을탑재한자율주행차를공개했다. 차량에탑재된완전자율주행컴퓨터는메인프로세서와 GPU, 신경망프로세서, 안전시스템등으로구성된칩을채택하여, 기존의엔비디아자율주행컴퓨터에비해 7배가량성능을향상시켰다. 테슬라의자율주행차는자동으로발진, 가속, 감속, 차선변경을실시하며주위에보행자가있으면서행하고, 일시정지선에서정지하고, 신호가없는교차로에서다른차량의주행상태를고려하여좌 / 우회전을하며, 평행주차및직각주차, 사용자호출기능을탑재하는수준까지도달해있다. 3. 자율비행드론 현재널리이용되고있는원격조종형드론은조종사가스마트폰이나전용컨트롤러를이용하여앱, 음성, 동작등으로드론을제어한다. 반면에자율비행드론은사용자의개입없이 AI 기반시스템이드론조종 ( 예 ; 이 / 착륙, 장애물인식및회피 ), 드론관리 ( 예 ; 배터리충전및교체 ), 드론상태추정 ( 예 ; 센서융합위치 / 자세추정 ), 드론제어 ( 예 ; 자세 / 위치제어, 궤도비행, 경로최적화 ) 등을자율적으로제어하게된다. 자율비행드론은이미산업설비의점검등에활발히이용되고있으며, 도로, 교량, 건물, 공항, 항만, 송전선, 발전기등산업용인프라를드론으로감시 관리 유지 보수하는활동도늘어날전망이다. 드론의자율비행을위해서는자신의위치를정확하게추정할수있는항법시스템이필수적이다. 대표적인기술로는위성신호를이용하는 GPS와주변환경과의상대거리를카메라와레이저센서로측정하여자신의위치를결정하는자기위치추정기법 (SLAM) 이있다. GPS는실내환경에적용하기어렵지만 SLAM을사용하면주변환경에대한지도를작성하고이를통해위치를추정하고경로를설정하는등의자율비행이가능하다. 현재자기위치추정기법은고정된주변환경과비행체의저속이동환경에서오차가수센티미 정보통신기획평가원 13
< 자료 > 엔비디아 [ 딥러닝기반드론 ] < 자료 > X.company [ 프로젝트윙의드론 ] [ 그림 11] 자율비행드론 터정도에불과할정도로정확하다. 하지만이동체가고속으로비행하거나주변환경이변화하게되면성능이저하되는한계를가지고있다 [17]. 최근에는딥러닝 (Deep learning) 기반비전기술을이용하여자율비행을하는드론이선보이고있다. 2017년엔비디아가공개한드론은신용카드크기의 JETSON TX1 모듈과두대의카메라를장착하고숲에서사람, 나무, 기둥, 동물등주변환경을인지하고장애물을피해자율비행을하거나경로를학습하여비행하였다. 딥러닝드론은산책로를촬영한동영상을기반으로탐색및비행방법을학습하였으며, CNN(Convolution Neural Network) 1) 기반의 TrailNet[18] 을사용하였다. 드론기술을개발하고있는업체들은향후자율비행이드론시장에서성패를가를것으로전망하고있다. 구글의모회사알파벳의연구소 X는자율비행드론을이용하여통상적인방식으로배송이어려운지역이나재난지역에식료품, 의약품, 우편물, 상품등을배송하는프로젝트윙 (Project Wing) 을수년간진행해왔다. 알파벳의드론은 AI를기반으로건물, 전력선과같은장애물을회피하면서안전하게비행할수있어상용화에근접한것으로평가받고있다. 이러한기술력은 2019년 4월미연방항공청 (FAA) 으로부터미국내첫상업용드론배송허가를받는결과로이어졌다 [19]. 전세계드론시장점유율 1위인중국의 DJI는산업용자율비행드론에탑재될 AI 소프트웨어개발을위해 MS와협업하고있다. MS는 DJI 드론의카메라제어, 실시간영상및비행데이터수집, 궤적추적정보 1) 심층신경망 (Depp Neural Network: DNN) 의대표적모델중하나로, 영상및이미지내객체분류, 객체탐지등다양한응용분야에폭넓게활용되고있음 14 www.iitp.kr
기획시리즈 - 인공지능 등을자유롭게활용할수있는 SDK를공개하여관련기업들의자율비행기술개발이한층용이해졌다. 최근에는플라잉카, 에어택시, 여객드론등도심에서승객을태우고목적지로이동하는자율비행드론이화두로등장하고있다. 미국항공기제조업체보잉은 2019년버니지아주에서승객을태울수있는자율비행기의이착륙시험을했다. 전기배터리로구동되는시제품은수직이착륙이가능하며, 약 80km 정도를이동할수있다. 공유차량서비스로널리알려진우버도 2023년경을목표로수직이착륙항공기를이용한드론택시서비스를준비하고있다. 이외에도오로라, 벨, 에어버스, 볼로콥터 (Volocopter) 등다수의기업들이도심에서운용가능한전기수직이착륙 (Electric Vertical Take-Off and Landing, evtol) 형태의드론을개발하고있으며도입초창기에는조종사가있거나반자율비행정도의기능을가지겠지만점차완전자율비행으로진화하게될것으로예상된다. IV. 결론 자율사물의핵심기반은 AI이다. 현재 AI는인간이수행하던많은업무를자동화하는데기여하고있다. 하지만앞으로는자동화의수준을넘어사물에탑재되어동작하는온디바이스 (on-device) 방식으로진화되어업무절차와판단기준을학습함으로써인간의개입없이동작하는자율화를실현해야한다. 현재의 AI 기술은비록제한된범위내이지만자율적으로판단, 의사결정을할수있는수준에도달하고있으며, AI 관련기술의꾸준한투자와연구개발은더높은수준의자율사물을확산시킬것으로전망된다. 최근우리정부와대학, 기업, 연구소들이 AI 경쟁력확보를위해많은투자와노력을기울이고있다. 하지만아직미국, 중국, 유럽의선진국에비해열세인형편이다. AI 시대의시작단계에서벗어나활성화단계에진입하기위해서다양한 AI 기술의융합을통한사물의자율성부여기술연구에역량을쏟아야할것이다. [ 참고문헌 ] [1] Gartner, Top 10 Strategic Technology Trends for 2019, G00374252, 2018. 10. [2] Forbes, Amazon s New Delivery Drone Will Start Shipping Packages In A Matter Of Months, 2019. 6. 5. 정보통신기획평가원 15
[3] Time, Meet the AI Robots Helping Take Care of Elderly Patients, 2019. 8. 23. [4] Time, Stop Me if You ve Heard This One: A Robot and a Team of Irish Scientists Walk Into a Senior Living Home, 2019. 10. 4. [5] Engineering, and Science News, Autonomous Weapons Could Be Developed for Use Within Years, Says Arms-Control Group, IEEE Spectrum: Technology, 2016. 4. 14. [6] Forbes, The Future With Level 5 Autonomous Cars, 2019. 6. 20. [7] Gartner, Top 10 Strategic Technology Trends for 2020, 2019. 10. [8] H. Huangi, et al., A Framework For Autonomy Levels For Unmanned Systems(ALFUS), In Proc. of SPIE, 2005. pp.1-9. [9] 인공지능신문, 산업용로봇, 인공지능 (AI) 과융합으로거듭난다, 2018. 7. 2. [10] MITSUBISHI, Mitsubishi Electric Develops Smart-learning Algorithm for Extra-efficient AI, 2017. 5. [11] MITSUBISHI, Mitsubishi Electric s Fast Stepwise-learning AI Shortens Motion Learning, 2019. 2. [12] Successful Farming, The Future of Robotic Weeders, 2018. 11. 29. [13] 로봇신문, 티로보틱스, 감성문화공간 카페봇 (Cafe.bot) 오픈, 2019. 8. 1. [14] 연합뉴스, 로봇이수상한사람찾는다 日전철역에 AI 경비로봇도입, 2018. 10. 26. [15] 인공지능신문, 국내최초철도경찰로봇 네오 시연회, 2018. 10. 31. [16] Reuters, Volkswagen investment vaults Argo into top ranks of self-driving firms, 2019. 7. 12. [17] 정연득, 실내자율비행드론핵심기술및동향, 항공우주연구원 e-정책정보센터, 2016. 5. 3. [18] N. Smolyanskiy, et al., Toward Low-Flying Autonomous MAV Trail Navigation using Deep Neural Networks for Environmental Awareness, arxiv:1705.02550, 2017. 5. [19] Bloomberg, Google Spinoff s Drone Delivery Business First to Get FAA Approval, 2019. 4. 23. 16 www.iitp.kr