[논문 리뷰] Autonomous Vehicles: Evolution of Artificial Intelligence and Learning Algorithms

Divya Garikapati, Sneha Sudhir Shetiya|arXiv (Cornell University)|2024. 02. 27.

Evolutionary Algorithms and Applications인용 수 8

한 줄 요약

본 논문은 자율주행 차량에서의 AI와 학습 알고리즘의 진화를 조사하고, AI 기반 개발 수명주기, 윤리적 고려사항, IoT 통합, ODDs, 트럭과 자동차의 비교를 트렌드 통계와 함께 자세히 설명한다.

ABSTRACT

The advent of autonomous vehicles has heralded a transformative era in transportation, reshaping the landscape of mobility through cutting-edge technologies. Central to this evolution is the integration of Artificial Intelligence (AI) and learning algorithms, propelling vehicles into realms of unprecedented autonomy. This paper provides a comprehensive exploration of the evolutionary trajectory of AI within autonomous vehicles, tracing the journey from foundational principles to the most recent advancements. Commencing with a current landscape overview, the paper delves into the fundamental role of AI in shaping the autonomous decision-making capabilities of vehicles. It elucidates the steps involved in the AI-powered development life cycle in vehicles, addressing ethical considerations and bias in AI-driven software development for autonomous vehicles. The study presents statistical insights into the usage and types of AI/learning algorithms over the years, showcasing the evolving research landscape within the automotive industry. Furthermore, the paper highlights the pivotal role of parameters in refining algorithms for both trucks and cars, facilitating vehicles to adapt, learn, and improve performance over time. It concludes by outlining different levels of autonomy, elucidating the nuanced usage of AI and learning algorithms, and automating key tasks at each level. Additionally, the document discusses the variation in software package sizes across different autonomy levels

연구 동기 및 목표

• 자율주행 차량에서의 AI와 학습 알고리즘의 현재 구도를 매핑한다.
• AI 기반 개발 수명주기와 그 품질, 보안, 윤리적 고려사항을 설명한다.
• ODDs, 차량 종류(트럭 대 자동차), 자율성 수준이 AI 선택 및 소프트웨어 복잡도에 어떤 영향을 주는지 평가한다.
• AV 생태계의 IoT 통합, 차내 경험 및 HMI 동향을 강조한다.
• AV 연구와 현장에서의 AI/ML/DNN 사용 및 배치에 대한 추세와 통계를 제시한다.

제안 방법

• 저널과 학회를 아우르는 AV의 AI 및 학습 알고리즘에 대한 문헌 고찰.
• 시간에 따른 및 자율성 수준별 AI/ML/DNN 사용 추세에 대한 통계 분석.
• ODAs (Operational Design Domains)의 분류와 AI 배치에 대한 영향.
• AI 주도 AV 소프트웨어의 윤리적 고려, 편향 및 설명가능성에 대한 논의.
• AI 기반 IoT 생태계 통합 및 차내 개선에 대한 설명.

실험 결과

연구 질문

• RQ1 시간이 지남에 따라 자율주행 차량에서의 AI 및 학습 알고리즘 사용은 어떻게 진화했는가?
• RQ2 AI 기반 개발 수명기가 AV 소프트웨어의 품질, 보안 및 윤리에 어떻게 대응하는가?
• RQ3 자율주행 트럭과 승용차 간에 AI 모델 매개변수 및 배치에서 어떤 차이가 있는가?
• RQ4 AV AI 생태계에서 IoT가 어떤 역할을 하며 사용자 경험에 어떤 영향을 미치는가?
• RQ5 자율성 수준이 AI 알고리즘 선택 및 소프트웨어 패키지 크기와 어떤 상관관계가 있는가?

주요 결과

• AV에서의 AI/ML/DNN 사용은 해를 거듭하며 기하급수적 성장 추세를 보인다.
• 자율주행 트럭과 자동차 간에는 뚜렷한 매개변수 세트와 배포 고려사항이 있다.
• ODDs와 차량 유형은 알고리즘 선택, 센서 융합 필요성 및 테스트 요구사항을 형성한다.
• 설명가능성과 프라이버시 문제를 포함하여 AI 주도 AV 개발에서 윤리적 고려 및 편향 완화가 중요하다.
• IoT 통합 및 차내 NLP/GenAI/Large Language Models은 사용자 경험과 엣지 컴퓨팅 전략을 형성하고 있다.
• 출판 및 배치 추세는 2018–2021년 사이에 급증을 보이며, 배치된 모델의 현저한 증가(예: 2021년의 737)와 GenAI 및 LMMs로의 지속적인 전환을 시사한다.