[논문 리뷰] Self Driving RC Car using Behavioral Cloning

Aliasgar Haji, Priyam Shah외 1명|arXiv (Cornell University)|2019. 10. 10.

Autonomous Vehicle Technology and Safety참고 문헌 1인용 수 4

한 줄 요약

이 논문은 인간 주행 행동의 시연 영상에서 학습하는 행동 복제를 사용한 자율 주행 RC 차량 시스템을 제시한다. 카메라 영상과 해당하는 조향 각도를 기반으로 훈련함으로써, 모델은 트랙에서 자율 주행을 가능하게 하며, 최소한의 인간 간섭으로도 실제 환경에서 안정적인 성능을 달성한다.

ABSTRACT

Self Driving Car technology is a vehicle that guides itself without human conduction. The first truly autonomous cars appeared in the 1980s with projects funded by DARPA( Defense Advance Research Project Agency ). Since then a lot has changed with the improvements in the fields of Computer Vision and Machine Learning. We have used the concept of behavioral cloning to convert a normal RC model car into an autonomous car using Deep Learning technology

연구 동기 및 목표

• 교육적 및 연구 목적으로 사용할 수 있는 저비용이고 접근성이 높은 행동 복제 기반 자율 주행 시스템을 개발하기 위해.
• 실시간 시각적 및 제어 데이터를 기반으로 한 엔드 투 엔드 딥 러닝 모델을 훈련시킬 수 있는 가능성을 입증하기 위해.
• 인간 주행 시범 데이터를 통한 모방 학습만으로 사전 정의된 트랙에서 자율 주행을 가능하게 하기 위해.
• 최소한의 하드웨어 및 계산 자원으로도 행동 복제의 효과성을 실제 로봇 제어 환경에서 검증하기 위해.

제안 방법

• 시스템은 전면 카메라 영상을 입력으로 처리하기 위해 합성곱 신경망(CNN)을 사용한다.
• 인간 주행 시범 데이터가 기록되며, 이 과정에서 영상 데이터와 해당하는 조향 각도가 함께 촬영된다.
• 이 데이터셋을 활용해 관측값에서 행동(조향 명령)으로 매핑하는 딥 러닝 모델을 지도 학습한다.
• 훈련된 모델은 RC 차량의 내장 컴퓨터에 배포되어 실시간 조향 결정을 내린다.
• 네트워크 아키텍처는 임베디드 하드웨어에서의 실시간 추론을 우선시하여 속도와 효율성을 고려해 설계되었다.
• 일반화 및 정책의 강건성을 향상시키기 위해 데이터 증강 및 정규화 기법을 적용한다.

실험 결과

연구 질문

• RQ1 행동 복제가 인간 시범 데이터만을 사용하여 RC 차량이 트랙을 자율 주행하도록 효과적으로 훈련시킬 수 있는가?
• RQ2 모방 학습 데이터로 훈련된 딥 러닝 모델이 실제 주행 조건에서 얼마나 잘 일반화되는가?
• RQ3 폐쇄 루프 트랙에서 엔드 투 엔드 학습 시스템의 안정성과 정확도 측면에서 성능은 어떠한가?
• RQ4 추론 과정에서 조도 변화나 트랙 조건의 변화에 시스템은 어떻게 대응하는가?

주요 결과

• 모델은 인간 시범 데이터를 유일한 자료로 사용하여 사전 정의된 트랙을 성공적으로 주행하는 데에 성공했다.
• 시스템은 자주 충돌하거나 제어를 상실하지 않고 안정적이고 지속적인 주행 행동을 보였다.
• 임베디드 하드웨어에 배포된 결과 실시간 추론이 달성되어 RC 차량의 반응성 있는 제어가 가능했다.
• 다양한 조도 조건에서도 성능이 우수하여, 모방 정책의 일반화 능력이 입증되었다.