AI의 역사] 50 신경망, 거리로 나가다 – 내브랩과 자율주행 신경망 앨빈

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

인공지능, 머신러닝

대상자

AI/자율주행 분야 개발자, 연구자, 역사적 기술 발전에 관심 있는 기술 인력

핵심 요약

• 역전파 알고리즘을 활용한 ALVINN이 최초로 실생활 자율주행을 구현한 사례
• DARPA의 전략 컴퓨팅 계획(SC)과 ALV 프로젝트가 자율차 기술 기반을 마련한 배경
• NavLab-1과 NavLab-2의 차량 개조 방식, 신경망 적용으로 주행 속도 향상(30km→32km)

섹션별 세부 요약

###1. 전략 컴퓨팅 계획(SC)과 ALV 프로젝트

• 미국 정부가 10년간 10억 달러 투자한 SC 프로젝트는 AI 기술 기반 구축 목표
• ALV는 군용 무인 자율차 개발로, 오프로드 환경에서의 실시간 반응 제어가 핵심 목표
• 1987년 시속 3.1km 자율주행 시연 성공, 1988년 중단(군 부문의 기술적 이해 부족)

###2. NavLab의 설립과 기술적 배경

• ALV 프로젝트 이후 DARPA 승인 하에 카네기 멜론대가 NavLab 설립
• 상용 차량 개조(트럭 크기 쉐보레 대형 밴)로 자율주행 기능 구현
• 센서(레이저 스캐너, 카메라)와 5개 랙의 컴퓨터로 제어, 최대 시속 30km 이동

###3. ALVINN의 개발과 신경망 적용

• 딘 포멀루가 1989년 역전파 알고리즘 기반 신경망을 도로 인식/제어에 최초 적용
• ALVINN은 3층 다층 신경망(입력, 은닉, 출력 계층)으로 인간 운전자 행동 학습
• 초기 수동 입력 방식에서 1987년 후반 시속 10km 자율주행 가능으로 전환

###4. NavLab-1과 NavLab-2의 진화

• NavLab-1: 카메라/레이저 데이터로 환경 인식, 대학원생 수동 입력 필요
• NavLab-2: 미군 험비(HMMWV) 개조, 도로 최대 시속 110km 반자율 주행 가능
• ALVINN의 학습 속도 개선으로 최대 32km 주행 성공

결론

• 역전파 기반 신경망(ALVINN)은 자율주행 기술의 역사적 전환점으로, 수동 입력 방식에서 머신러닝 기반 자율 제어로의 전환을 이끌었으며, NavLab 프로젝트는 자율차 기술의 기초를 마련한 핵심 연구 성과로 평가받는다.