Self-driving 

환경 인식 (Perception): 주변 도로 상황, 교통 흐름, 장애물 등을 정확하게 파악하는 단계입니다. AI는 차량에 장착된 다양한 센서(카메라, 라이다(LiDAR), 레이더, 초음파 센서 등)로부터 데이터를 수집하고 분석합니다.

• 카메라: 이미지 데이터를 통해 차선, 신호등, 표지판, 보행자, 차량 등을 인식합니다. 딥러닝 기반의 이미지 인식 기술이 활용됩니다.

• 라이다 (LiDAR): 레이저를 발사하여 주변 물체와의 거리, 형태 등을 3차원적으로 정밀하게 측정합니다. 악천후에 약하다는 단점이 있지만, 높은 정확도로 주변 환경을 파악하는 데 중요한 역할을 합니다.

• 레이더: 전파를 이용하여 물체의 거리, 속도 등을 측정합니다. 날씨 변화에 비교적 강하며, 먼 거리의 물체를 감지하는 데 유리합니다.

• 초음파 센서: 주로 근거리의 장애물을 감지하는 데 사용되며, 주차 보조 시스템 등에 활용됩니다.

• 센서 융합 (Sensor Fusion): 각 센서의 장단점을 보완하기 위해 AI는 여러 센서로부터 얻은 데이터를 통합적으로 분석하여 더욱 정확하고 신뢰성 있는 환경 정보를 구축합니다.

상황 판단 (Decision-Making): 인식된 환경 정보를 바탕으로 주행 전략을 결정하고 행동을 계획하는 단계입니다. AI는 교통 법규, 안전 규칙, 주행 목표 등을 고려하여 최적의 판단을 내립니다.

• 경로 계획 (Path Planning): 목적지까지의 최적 경로를 탐색하고, 장애물을 회피하며 안전하게 주행할 수 있는 경로를 생성합니다. A*, Dijkstra 알고리즘 등이 활용될 수 있습니다.

• 행동 결정 (Behavioral Planning): 차선 변경, 가속, 감속, 정지, 회전 등 다양한 운전 행동을 결정합니다. 이때 주변 차량의 움직임, 신호등 상태, 도로 상황 등을 종합적으로 고려합니다. 강화 학습, 행동 복제 (Behavioral Cloning), 규칙 기반 시스템 등이 사용될 수 있습니다.

• 예측 (Prediction): 주변 차량이나 보행자의 움직임을 예측하여 잠재적인 위험 상황에 미리 대비합니다.

차량 제어 (Control): 판단된 결과를 바탕으로 차량의 움직임을 실제로 제어하는 단계입니다. AI는 전자 제어 장치(ECU)를 통해 스티어링 휠, 액셀러레이터, 브레이크 등을 정밀하게 조작합니다.

• 조향 제어 (Steering Control): 차량이 계획된 경로를 따라 움직이도록 스티어링 휠을 조작합니다.

• 가/감속 제어 (Throttle/Brake Control): 안전 거리를 유지하고 교통 흐름에 맞춰 속도를 조절합니다.

• 차량 안정성 제어 (Vehicle Stability Control): 미끄럼 방지 등 차량의 안정적인 주행을 위한 제어를 수행합니다.