AWS는 왜 자율주행 레이싱 대회를 열었을까?

  • 동아닷컴
  • 입력 2019년 5월 24일 17시 35분


코멘트
자율주행은 센서 기술, 5G, 인공지능 등 4차산업혁명의 주요 기술이 결합해 완성하는 기술이다. 카메라, 라이다, 적외선 등 차량에 부착된 다양한 장치로 도로나 주변 차량을 파악하고, 네트워크에 연결해 교통량이나 사고 등 도로 정보를 확인한다. 이러한 데이터는 인공지능 서버에서 처리하고, 최적의 주행 방식이나 경로를 찾아 차량으로 실시간 전송한다.

현재 이러한 자율주행 개발에는 자동차 기업뿐만 아니라 소프트웨어 기업, 반도체 기업 등 다양한 분야의 사업자가 집중하고 있다. 자율주행차를 완성하기 위해서는 실제 차량은 물론, 각종 센서, 머신러닝을 위한 하드웨어 인프라 등 다양한 자원이 필요하다. 특히 국내의 경우 개발 중인 자율주행차가 실제 도로를 달리기 위해서는 국토교통부로부터 임시운행허가를 받아야 하는 만큼 대기업이나 연구소 및 대학교 외에는 이와 관련한 연구를 진행하는 곳이 없기도 하다.

자율주행은 다양한 기반 기술과 함께 많은 인프라를 요구한다, 출처: IT동아
자율주행은 다양한 기반 기술과 함께 많은 인프라를 요구한다, 출처: IT동아

AWS 딥레이서(DeepRacer)는 특별한 장비나 인프라 등의 기술 수준과 관계 없이, 모든 개발자가 머신러닝을 기반으로 자율주행 알고리즘을 개발하고 훈련할 수 있도록 지원하는 소형 자율주행차다. 인텔 아톰 프로세서, 풀HD 카메라 4개, 배터리, 메모리 및 저장장치, 유무선 입출력 인터페이스 등을 갖추고 있으며, 개발자는 머신러닝 모델을 구축 및 학습할 수 있는 플랫폼, 아마존 세이지 메이커(SageMaker)에 구축된 강화학습 모델을 이용해 알고리즘을 개발/훈련하고 이를 딥레이서에서 구동하도록 배포할 수 있다.

AWS 딥레이서, 출처: IT동아
AWS 딥레이서, 출처: IT동아

아마존 세이지 메이커의 가장 큰 장점은 머신러닝에 필요한 각종 수작업을 최소화해, 사용자가 인공지능 알고리즘을 더 쉽게 개발할 수 있도록 지원하는 점이다. 시스템 자원 할당과 관리, 학습 모델 조정 등 머신러닝 개발 시 필요한 수작업을 생략할 수 있다. 이를 통해 개발자는 더 빠르게 대규모 머신러닝 모델을 만들어 학습하고, 이를 기반으로 인공지능 서비스를 운영할 수 있게 해준다.

아마존 세이지메이커, 출처: IT동아
아마존 세이지메이커, 출처: IT동아

이와 함께 AWS 로보메이커(RoboMaker) 기반 3D 시뮬레이션 환경을 이용해 인공지능 기반 로보틱스 서비스를 테스트해볼 수 있다. 로보메이커는 오픈소스 로봇 소프트웨어 운영체제인 ROS를 AWS의 각종 서비스와 연결해 통합된 개발 환경을 제공하는 서비스다. 기존에는 이러한 시뮬레이션을 위해 다양한 환경을 가상으로 개발해 환경을 구성하는 등의 작업이 필요했으나, 로보메이커 환경에서는 별도의 투자 없이 자신의 알고리즘이 실제 장비에 적용됐을 때 어떻게 작동하는지 물리학 기반의 가상 테스트를 진행할 수 있다.

강화학습 모델을 개발해 시뮬레이션을 거치고 딥레이서에 적용한다, 출처: IT동아
강화학습 모델을 개발해 시뮬레이션을 거치고 딥레이서에 적용한다, 출처: IT동아

이렇게 개발한 자율주행 알고리즘을 딥레이서에 적용하면 딥레이서는 정해진 트랙을 따라 달린다. AWS는 올해 전세계에서 열리는 개발자 컨퍼런스 'AWS 서밋'에서 딥레이서를 이용한 레이싱 리그를 진행 중이다. 개발자는 자신이 만든 알고리즘을 딥레이서에 적용해 실제 코스를 달리게 하고, 코스를 완주한 시간을 기록한다. 우수한 기록을 세운 개발자는 올해 말 열리는 리인벤트 2019에서 열릴 딥레이스 리그 컵에 참가한다. 이와 함께 실제 트랙이 아닌, 시뮬레이션 상에서 기록을 바탕으로 우수 개발자를 선정해 올해 말 열리는 딥레이서 리그 컵에 참가할 자격을 준다.

AWS 서밋에서 열린 오프라인 대회, 출처: IT동아
AWS 서밋에서 열린 오프라인 대회, 출처: IT동아

딥레이서의 가장 큰 목적은 개발자라면 누구나 쉽게 사용할 수 있는 머신러닝 플랫폼을 개발자가 체험할 수 있도록 하는 것이다. 앞서 언급한 것처럼 아마존 세이지메이커는 머신러닝 모델 구축에 필요한 과정을 단순화해 더 빠르고 쉽게 인공지능을 개발/학습할 수 있다. 이러한 경험은 향후 개발자가 정해진 트랙뿐만 아니라 데이터를 다루는 다양한 형태의 머신러닝이나 강화학습 영역에서 더 나은 모델을 실험하고 개발할 수 있는 여건을 만들어 준다.

특히 자율주행을 위해 개발하는 강화학습 모델은 정해진 답을 내기 위해 학습하는 일반 머신러닝 알고리즘과 달리, 다양한 결과 중 최적의 결과를 낼 수 있는 행동을 선택하도록 하는 알고리즘으로, 이러한 모델을 바탕으로 의사결정 자동화 같은 서비스를 개발하는 것도 가능하다. 즉 딥레이서 및 딥레이서 리그 출시는 머신러닝과 강화학습을 모든 개발자가 더 쉽게 사용할 수 있도록 하겠다는 AWS의 전략이라 할 수 있다.

동아닷컴 IT전문 이상우 기자 lswoo@donga.com
  • 좋아요
    0
  • 슬퍼요
    0
  • 화나요
    0
  • 추천해요

댓글 0

오늘의 추천영상

지금 뜨는 뉴스