ChatGPT가 자율주행 차량 성능 향상에 기여합니다

퍼듀 대학교의 엔지니어들은 자율주행차량(AVs)이 대화형 GPT(ChatGPT) 및 기타 챗봇을 활용하여, 대형 언어 모델(Large Language Models, LLMs)로 알려진 인공지능 알고리즘으로 구동되는 이를 통해 주행 능력을 향상시킬 수 있다고 보고했습니다.

이들의 연구는 9월 25일에 개최되는 제27회 IEEE 국제 지능형 교통 시스템 컨퍼런스에서 발표될 예정이며, 이 연구는 LLMs가 AVs에게 승객의 명령을 좀 더 자연스럽게 해석하게 도와주는 방법을 탐구하고, 이는 사람과 차량 간 상호작용에서의 돌파구를 마련할 수 있음을 보여줍니다.

현재의 AV 시스템과 달리, 정확한 입력을 요구하는 것이 아니라 LLM들은 사람의 말을 더 유연하고 대화식으로 이해하도록 훈련받습니다.

이 연구의 주 연구원인 왕 박사는 전통적인 차량 인터페이스가 종종 버튼을 누르거나 명확한 음성 명령을 내리는 것을 포함한다고 설명합니다. 반면에, LLM들은 승객과의 더 직관적이고 자연스러운 대화를 가능하게 합니다.

LLM들이 직접 차량을 조종하지는 않지만, 연구자들은 LLM들이 자율주행차(AV)의 기존 시스템을 보조하는 데 사용될 수 있으며, 이를 통해 운전 경험을 더 개인화하고 승객의 요구에 더 잘 반응할 수 있게 만든다고 설명했습니다.

실험을 위해 연구팀은 ChatGPT를 직접적인 명령과 간접적인 명령 둘 다에 대해 학습시켰습니다. 예를 들어, “더 빨리 운전해” 또는 “멀미가 나”와 같이, 모델이 다양한 상황에 적응하도록 가르쳤습니다.

연구자들은 구글의 Gemini와 메타의 Llama AI와 같은 다른 챗봇들을 테스트했지만, ChatGPT가 가장 우수한 성능을 보였습니다.

이 모델은 실시간 교통 상황, 날씨, 그리고 차량 센서의 데이터를 고려하여 이런 명령들을 처리했습니다.

이 차량은 4단계 자율주행(완전 자율주행에서 한 단계 아래)을 수행하며, 가속 페달, 브레이크, 기어, 그리고 조향을 제어하기 위해 LLM(대형 언어 모델)이 생성한 지시사항을 사용하였습니다.

어떤 실험에서는 왕의 팀이 시스템에 추가한 메모리 모듈을 테스트했습니다. 이를 통해 대형 언어 모델은 승객의 과거 선호사항에 대한 정보를 저장할 수 있었습니다. 이 모델들은 그런 데이터를 사용하여 미래의 명령에 대한 반응을 개인화하였습니다.

실험은 통제된 환경에서 진행되었으며, 이는 콜럼버스 인디애나의 전 공항 활주로를 포함하였습니다. 이 곳에서 자율 주행 차량(AV)의 명령에 대한 반응이 고속도로 속도와 교차로에서 테스트되었습니다.

연구자들은 참가자들이 전통적인 AV 시스템보다 LLM-보조 AV에서의 탑승 경험을 더 편안하게 느꼈다고 보고하였습니다. 또한 이 차량은 새로운 명령에 대응하면서도 기본 안전 기준을 지속적으로 초과하는 성능을 보였습니다.

이는 자율주행 차량이 택시로 점점 더 많이 활용되는 상황에서 특히 중요합니다. 개인화된 경험이 승객 만족도를 높일 수 있기 때문입니다.

이 연구에서 사용된 큰 언어 모델들은 승객의 명령을 처리하는 데 평균적으로 1.6초가 걸렸습니다. 이는 대부분의 상황에서는 충분한 시간이지만, 왕 박사가 지적한 바와 같이, 긴급 상황에서는 더 빠른 반응이 필요합니다.

이 연구는 이에 집중하지 않았지만, ChatGPT와 같은 대규모 언어 모델은 때때로 “환각”을 일으키는데, 이는 정보를 잘못 해석하고 잘못된 반응을 내놓는 것을 의미합니다.

이 문제를 해결하기 위해, 팀은 모델이 명령을 오해했을 때 승객을 보호하기 위한 안전 조치를 마련했습니다. 모델들은 운행 중에 명령을 이해하는 능력이 향상되었지만, 이런 모델들이 자율주행차량(AVs)에서 사용되기 전에는 여전히 해결해야 할 환각 문제가 남아 있습니다.

왕씨는 자동차 제조업체들이 대학에서 이미 수행한 연구를 넘어 더욱 많은 테스트를 진행해야 하며, 대형 언어 모델이 완전히 자율주행차에 통합되어 차량의 주행 기능을 제어하기 전에 규제 승인이 필요하다고 말했습니다.