[논문 리뷰] Autonomous Last-mile Delivery Vehicles in Complex Traffic Environments

Bai Li, Shaoshan Liu외 4명|arXiv (Cornell University)|2020. 01. 22.

Autonomous Vehicle Technology and Safety참고 문헌 8인용 수 5

한 줄 요약

이 논문은 중국의 고밀도 도심 환경에서 복잡한 교통 환경을 운행하는 자율 주행 최종마일 배송 차량을 위한 종합적인 기술적 솔루션을 제시한다. 시스템은 고도화된 인식, 예측 및 제어 모듈과 안전 중심 전략을 통합하여, 수십 개 성에서 수백 대의 차량이 715,819마일에 달하는 주행 테스트를 실시하고, 수백만 시간에 이르는 도로 테스트 시간을 확보하며 보행자, 자전거, 오토바이 등 혼합 교통 환경에서 높은 신뢰성으로 안정적으로 운영되는 데 성공했다.

ABSTRACT

E-commerce has evolved with the digital technology revolution over the years. Last-mile logistics service contributes a significant part of the e-commerce experience. In contrast to the traditional last-mile logistics services, smart logistics service with autonomous driving technologies provides a promising solution to reduce the delivery cost and to improve efficiency. However, the traffic conditions in complex traffic environments, such as those in China, are more challenging compared to those in well-developed countries. Many types of moving objects (such as pedestrians, bicycles, electric bicycles, and motorcycles, etc.) share the road with autonomous vehicles, and their behaviors are not easy to track and predict. This paper introduces a technical solution from JD.com, a leading E-commerce company in China, to the autonomous last-mile delivery in complex traffic environments. Concretely, the methodologies in each module of our autonomous vehicles are presented, together with safety guarantee strategies. Up to this point, JD.com has deployed more than 300 self-driving vehicles for trial operations in tens of provinces of China, with an accumulated 715,819 miles and up to millions of on-road testing hours.

연구 동기 및 목표

• 중국에서 흔한 복잡하고 고밀도의 교통 환경에서 자율 주행 최종마일 배송의 과제를 해결하기 위해.
• 보행자, 자전거, 전기 오토바이 등 다양한 예측 불가능한 도로 사용자를 처리할 수 있는 견고하고 확장 가능한 기술 시스템을 개발하기 위해.
• 인식, 예측 및 제어 모듈을 통합함으로써 실제 현장에서의 안전성과 신뢰성을 확보하기 위해.
• 다양한 성에서 대규모로 실현 가능한 실제 운영 조건에서 자율 배송 차량의 실현 가능성과 성능을 입증하기 위해.

제안 방법

• 고정밀 환경 인식을 위해 라이다, 카메라 및 레이더를 융합한 다중 센서 융합 아키텍처를 사용한다.
• 비균일하고 예측 불가능한 움직임이 일반적인 혼합 교통 환경에서의 다양한 도로 사용자 행동을 모델링하기 위해 계층적 예측 프레임워크를 구현한다.
• 규칙 기반 논리와 학습 강화 의사결정을 조합하여 안전하고 실행 가능한 경로를 생성하는 운동 계획 모듈을 활용한다.
• 예측 불가능한 사건을 대비해 실시간 위험 평가 및 비상 대응 프로토콜을 통합한 안전 보장 전략을 적용한다.
• 모델 예측 제어와 피드백 안정화를 통해 계획된 경로를 정밀하게 실행하는 차량 제어 시스템을 운영한다.
• 전체 시스템은 중국의 수십 개 성에서 실운행 중인 300대 이상의 자율 주행 배송 차량에 구현되어 있다.

실험 결과

연구 질문

• RQ1 어떻게 자율 주행 최종마일 배송 차량이 보행자, 자전거, 오토바이 등 다양한 도로 사용자가 밀집된 복잡한 도심 교통 환경에서 안전하게 주행할 수 있는가?
• RQ2 보행자, 자전거, 전기 오토바이의 예측 불가능한 행동을 효과적으로 다루기 위한 인식 및 예측 기법은 무엇인가?
• RQ3 변동성이 크고 비정형적인 교통 환경에서 실시간 안전 보장을 확보하는 방법은 무엇인가?
• RQ4 실제 조건에서 자율 주행 배송 차량의 확장성과 신뢰성을 보장하는 데 필요한 시스템 아키텍처는 무엇인가?
• RQ5 대규모 실외 시험에서 달성 가능한 성능 지표와 운영 규모는 무엇인가?

주요 결과

• 시스템은 중국의 수십 개 성에서 300대 이상의 자율 주행 배송 차량을 실제 조건에서 운영한 바 있다.
• 차량 풀은 실차 테스트에서 총 715,819마일을 주행했으며, 수백만 시간에 이르는 운영 시간을 확보했다.
• 다양하고 예측 불가능한 도로 사용자가 포함된 복잡한 교통 상황에서도 차량이 안정적으로 기능함을 입증했다.
• 통합된 안전 전략을 통해 동적인 환경에서 실시간 위험 완화 및 비상 대응이 가능했다.
• 실현 가능한 확장성과 운영 안정성이 확보되어 고밀도 도심 환경에서 자율 주행 최종마일 배송의 실현 가능성을 입증했다.
• 실제 대규모 운영에서 기술 솔루션이 효과를 발휘하여 스마트 물류의 실현 가능성을 크게 앞당긴 중요한 계기로 평가된다.