지난 몇 년 동안 온라인으로 무언가를 주문했다면 아마도 교통 상황, 악천후 또는 일정에 뒤처진 운전자로 인해 배송이 지연되어 좌절감을 느꼈을 것입니다. 무인 배송 차량 공급업체인 우리는 운전석에 사람이 없어도 도시 거리, 주거 지역, 심지어 교외 도로까지 연중무휴 24시간 이동할 수 있는 자율주행 차량을 구축하여 이 문제를 해결하기 시작했습니다. 하지만 문제는 이렇습니다. 무인 배송 차량은 단순히 운전자가 없는 자동차가 아닙니다. 이는 인간의 눈, 귀, 뇌처럼 함께 작동하여 실시간으로 데이터를 처리하여 장애물을 피하고, 교통 규칙을 준수하며, 필요한 곳에 정확하게 패키지를 내려놓는 복잡한 센서 네트워크입니다.
우리가 처음 디자인을 시작했을 때무인 배송 차량함대를 위해 우리는 신중한 선택을 했습니다. 센서 기술의 일부를 삭감하지 않겠다는 것입니다. 무단횡단 보행자, 주차된 자전거, 움푹 들어간 곳을 볼 수 없는 배달차량은 안전하지 않고, 비오는 거리나 어두운 골목을 감당하지 못하는 배달차량은 쓸모가 없습니다. 그렇기 때문에 우리는 각각 고유한 강점을 지닌 일련의 보완 센서를 중심으로 시스템을 구축했습니다. 따라서 한 센서에 사각지대가 있으면 다른 센서가 그 공백을 메울 수 있습니다. 이것은 단지 이론적인 것이 아닙니다. 우리의 모든 센서무인 배달 자동차애틀랜타 시내의 분주한 상업 지구부터 피닉스 교외의 조용한 막다른 골목까지 백만 마일이 넘는 실제 배송 경로에서 테스트되었습니다.
목록의 첫 번째는 LiDAR(빛 감지 및 범위 지정)입니다. 도시 거리를 주행하는 자율주행차의 영상을 본 적이 있다면 지붕에 달린 회전하는 레이저 장치는 LiDAR입니다. 우리를 위해자율주행차모델에서는 초당 최대 100,000개의 레이저 펄스를 방출하는 고해상도 360도 LiDAR 센서를 사용합니다. 이 펄스는 자동차, 소화전, 나뭇가지, 심지어 보도에 남겨진 쓰레기통까지 차량 주변의 모든 물체에서 반사되어 실시간으로 환경에 대한 정확한 3D 지도를 생성합니다. 여기서 핵심은 정확성입니다. 당사의 LiDAR는 완전한 어둠이나 폭우 속에서도 150피트 떨어진 곳에서 탄산음료 캔만큼 작은 물체를 감지할 수 있습니다. 이는 밝은 햇빛이나 안개 속에서 씻겨 나갈 수 있는 카메라에 비해 큰 이점입니다. 우리는 해질녘에 다람쥐가 거리를 가로질러 달려가는 테스트를 한 적이 있는데, 우리의 LiDAR는 물체를 감지하기 위해 빛에 의존하지 않기 때문에 카메라가 그 모양을 확인하기 훨씬 전에 이를 포착한 최초의 센서였습니다.
하지만 LiDAR는 완벽하지 않습니다. 레이저 펄스는 예측할 수 없는 방식으로 유리를 통과하거나 반사될 수 있기 때문에 주차된 자동차의 앞창이나 상점 전면과 같은 유리 표면에서는 어려움을 겪습니다. 카메라가 필요한 곳입니다. 당사의 배송 차량은 차체 주위에 장착된 8개의 고해상도 RGB 카메라를 사용합니다. 전면에 2개, 후면에 2개, 측면에 2개. 카메라는 우리에게 상세한 시각적 상황을 제공합니다. 거리 표지판을 읽고 신호등이 빨간색으로 바뀌는 것을 인식하며 심지어 집이나 아파트 건물의 우편함에 있는 배달 주소를 식별할 수도 있습니다. 예를 들어, 고객이 주문 시 "123 Main St, Apt 4B"를 입력하면 카메라가 건물 정면을 스캔하여 일치하는 번호와 아파트 입구를 찾을 수 있는데, 이는 LiDAR 자체로는 수행할 수 없는 작업입니다. 카메라의 비결은 초당 수천 개의 이미지를 분류하고 양보 신호와 정지 신호를 들고 있는 사람, 소화전과 어린이 장난감 소방차의 차이를 구분할 수 있는 강력한 기계 학습 시스템과 카메라를 결합하는 것입니다. 우리는 배송 경로에 맞게 특별히 맞춤화된 천만 개 이상의 거리 이미지로 모델을 훈련시켰습니다. 따라서 50피트 떨어진 곳에서 문앞에 남겨진 패키지를 발견할 수 있으며, 이는 정확한 집하를 위해 중요합니다.
다음은 레이더 센서입니다. LiDAR가 차량의 장거리 눈이고 카메라가 고화질 비전이라면 레이더는 전천후의 일꾼입니다. 전면 및 후면 범퍼에 장착된 당사의 레이더 센서는 빛 대신 전파를 사용하여 물체를 감지합니다. LiDAR만큼 정확하지는 않습니다. 새의 모양이나 작은 잔해 조각을 식별할 수는 없지만 눈, 안개 또는 폭우 속에서도 물체가 얼마나 빨리 움직이는지 측정하는 데는 탁월합니다. 지난 겨울, 우리는 진창으로 뒤덮인 골목길을 주행하는 배달 차량이 있었고, 우리 LiDAR는 움직이는 자동차와 눈더미를 구별하는 데 어려움을 겪었지만 레이더에는 25mph로 접근하는 자동차가 명확하게 표시되어 우리 차량이 안전하게 속도를 늦췄습니다. 또한 레이더는 저조도 환경에서 카메라보다 범위가 더 깁니다. 완전한 어둠 속에서도 최대 200피트 떨어진 차량을 추적할 수 있어 운전자와 보행자 모두에게 안전을 한층 더 강화합니다.
센서 제품군을 완성하기 위해 우리는 단거리, 근거리 탐색을 위해 주차 센서라고도 하는 초음파 센서를 사용합니다. 이 작은 센서는 범퍼와 사이드 미러에 장착되어 고주파 음파를 방출하여 불과 몇 인치 떨어진 물체를 감지합니다. 식료품점의 비좁은 주차 공간으로 이동하거나 소화전에서 불과 1피트 떨어진 연석까지 차를 세우는 데 적합합니다. 배송 차량이 패키지를 반납할 준비를 할 때 우편함이나 근처의 자전거에 부딪히지 않고 화물칸을 열려면 얼마나 많은 공간이 필요한지 정확히 알아야 합니다. 초음파 센서는 이러한 정확성을 제공합니다. 우리는 주차된 차량이 너무 가까워 차문을 거의 열 수 없는 혼잡한 주거 지역에서 이러한 센서를 테스트했으며, 진입로 한가운데에 있는 울타리에 기대어 있는 자전거나 어린이용 스쿠터를 감지하지 못한 적이 단 한 번도 없었습니다.
하지만 이것이 바로 우리의무인 배송 차량다른 자율 시스템과는 다릅니다. 우리는 이러한 센서만 가지고 있는 것이 아닙니다. 모든 데이터를 하나의 연속적인 도로 그림에 통합합니다. 이를 센서 융합이라고 하며, 원시 센서 데이터를 유용한 결정으로 바꾸는 것은 차량의 "두뇌"입니다. 예를 들어 LiDAR가 100피트 전방에서 움직이는 물체를 감지하고 레이더는 물체가 30mph의 속도로 움직이고 있다고 알려주고 카메라는 그것이 좌회전하는 배달 트럭임을 확인합니다. 그러면 센서 융합 시스템은 충돌을 피하기 위해 차량이 속도를 줄이거나 정지해야 하는 속도를 정확하게 계산합니다. 하나의 센서가 혼란스러울 경우(예: 폭풍우가 치는 동안 카메라가 흐릿한 거리 표지판을 잘못 판독하는 경우) 다른 센서가 그 느슨함을 잡아냅니다. LiDAR는 멀리서 표지판의 모양을 읽을 수도 있고, 레이더는 빨간 신호등에 앞차가 정지하고 있음을 확인할 수도 있습니다.
또한 배송이 원활하게 진행되도록 뒤에서 작동하는 내부 센서도 있습니다. 여기에는 차량이 이동한 거리를 추적하는 휠 인코더, 차량의 기울기와 방향을 측정하는 자이로스코프, 지도에서 정확한 위치를 찾아내는 GPS가 포함됩니다. GPS만으로는 충분하지 않습니다. 높은 건물이 위성 신호를 차단하는 도시 협곡에서는 GPS가 수 피트 떨어져 있을 수 있습니다. 하지만 이를 LiDAR 및 카메라의 데이터와 결합하면 GPS가 불규칙한 도심 지역에서도 차량이 경로를 유지할 수 있습니다. 특정 문앞에서 몇 피트 이내에 있어야 하는 라스트 마일 배송의 경우 GPS와 매핑 데이터의 조합을 통해 이전에 테스트하지 않은 새로운 동네에서도 길을 잃지 않을 수 있습니다.
결국 우리의 목표는 인간 운전자보다 더 안전하고, 더 신뢰할 수 있으며, 더 효율적인 자동 배달 차량을 만드는 것입니다. 우리는 모든 작업을 수행하기 위해 한 가지 유형의 센서에만 의존하지 않습니다. 서로를 보완하는 혼합 기술을 사용하므로 차량은 도로에서 닥치는 모든 상황을 처리할 수 있습니다. 교외의 비오는 화요일, 바쁜 주말 주말 시내, 늦은 밤의 어두운 주택가. 우리가 선택하는 모든 센서는 내구성, 정확성 및 비용에 대한 테스트를 거칩니다. 왜냐하면 막대한 예산을 가진 대기업뿐만 아니라 모든 규모의 기업이 자율 배송에 접근할 수 있어야 한다고 믿기 때문입니다.


배송 운영을 간소화하고, 비용을 절감하고, 고객에게 보다 안정적인 배송을 제공하려는 기업이라면자동 배송 차량귀하의 요구 사항을 충족하도록 만들어졌습니다. 우리는 귀하가 도심, 주거 지역, 교외 상업 단지에 있든 상관없이 당사의 기술이 귀하의 특정 배송 경로에 어떻게 적합할 수 있는지 항상 논의하기 위해 여기에 있습니다. 귀하의 비즈니스에 적합한 솔루션을 맞춤화하는 방법에 대해 자세히 알아보려면 당사 팀에 문의하세요.
참고자료
- Urmson, C., et al. (2016). “자율주행차 센서: 기술 및 동향 조사.” 지능형 교통 시스템에 관한 IEEE 거래.
- 국립고속도로교통안전국(NHTSA). (2022). “자동 배송 차량의 안전 모범 사례.” 미국 교통부.
- 장(Zhang), Y., 외. (2021). “라스트마일 배송 자율주행차를 위한 센서 융합.” 필드 로봇공학 저널.
