기술 요약: CommonRoad-Game

문제 정의

자율주행을 위한 모션 플래닝 알고리즘은 인간 운전자와의 상호작용 중 안전성과 효율성을 보장하기 위해 인간 참여형(Human-in-the-Loop, HITL) 환경에서의 평가가 필요하다. 기존의 시뮬레이션 플랫폼들은 다음과 같은 몇 가지 한계점을 지닌다:

• 고충실도 시뮬레이터 (예: CARLA, LGSVL, AirSim): 시각적 사실성과 센서 모델링을 우선시하지만, 종종 높은 계산 오버헤드를 발생시키며 신속하고 가벼운 인간 상호작용을 위한 전용 인터페이스가 부족하다.
• 경량 시뮬레이터 (예: CARLO, MetaDrive): 빠른 프로토타이핑을 용이하게 하지만, 표준화된 벤치마크 형식에 따른 체계적인 모션 플래닝 평가를 위한 구조적 지원이 부족하거나 자율주행 생태계와 긴밀하게 통합되지 못하는 경우가 많다.
• 시간적 불일치: 많은 HITL 시뮬레이터들이 시뮬레이션 시간(가상 시계)과 실제 시간(Wall-clock time) 사이의 동기화를 유지하는 데 어려움을 겪으며, 이로 인해 발생하는 드리프트(drift)는 실시간 응답성과 물리적 일관성을 저해한다.
• 재현성: 인간의 주행 로그를 기록하고 이를 오프라인 분석 및 벤치마킹을 위한 표준화된 재현 가능 시나리오 파일로 변환하는 프레임워크가 부족하다.

방법론

저자들은 CommonRoad 생태계와 긴밀하게 통합된 경량 멀티스레드 HITL 시뮬레이션 프레임워크인 CommonRoad-Game을 제시한다. 이 시스템은 실제 인간 참여자와 함께 모션 플래너를 평가하고 인간의 주행 행동을 분석하도록 설계되었다.

핵심 아키텍처

프레임워크는 6개의 주요 모듈로 구성된다:

1. CommonRoad 인터페이스 모듈: 인간-차량(HV) 시뮬레이터와 모션 플래너를 연결한다. 이는 공간적 동기화(강체 변환을 통한 시뮬레이터와 플래너의 좌표계 정렬)와 시간적 동기화(서로 다른 시간 이산화 간의 상태 매핑)를 처리한다.
2. 멀티스레드 시뮬레이션 아키텍처: 계산 집약적인 재계획(replanning) 프로세스(워커 스레드에서 실행)를 메인 시뮬레이션 루프(메인 스레드에서 실행)로부터 분리한다. 이를 통해 메인 루프는 플래너의 지연 시간과 관계없이 목표 업데이트 속도를 유지할 수 있다.
3. HV 시뮬레이터 모듈: 소비자용 장치(Logitech G923 스티어링 휠/페달 또는 키보드)로부터 실시간 제어 입력을 획득하고, 운동학적 자전거 모델(kinematic bicycle model)을 사용하여 HV 궤적을 출력한다. 하드웨어 및 키보드 입력을 통일된 제어 신호로 정규화하기 위한 신호 처리 기능을 포함한다.
4. 주행 가능성 탐지 모듈: CommonRoad의 주행 가능성 체크 기능을 사용하여 실시간으로 충돌 및 도로 경계 위반 여부를 모니터링한다.
5. 시각화 모듈: CommonRoad 시나리오(레인릿 네트워크)와 차량 상태를 실시간으로 렌더링하여 인간 운전자에게 시각적 피드백을 제공한다.
6. 시나리오 생성 모듈: 시뮬레이션 상태(위치, 속도, 방향)를 기록하고 이를 재생 및 오프라인 분석을 위한 표준화된 CommonRoad XML 시나리오 파일로 변환한다.

주요 기술 메커니즘

• 좌표 변환: 프레임워크는 시뮬레이터에서 사용하는 전역 데카르트 좌표계(Global Cartesian frame)와 CommonRoad 플래너가 주로 사용하는 곡선 좌표계(Frenlet frame) 사이의 불일치를 처리한다. 이를 위해 상태와 궤적을 두 좌표계 간에 매핑하는 견고한 변환 툴박스를 사용한다.
• 시간적 동기화: 시뮬레이션 시간과 실제 시간 사이의 드리프트를 방지하기 위해, 시스템은 실시간 불변성을 강제하는 **글로벌 시간 컨트롤러(Global Time-Controller)**를 채택한다. 이는 다음을 사용한다:
  • 월클락 페이싱(Wall-clock pacing): 사이클을 예정된 마감 시간과 맞추기 위한 블로킹 대기(Blocking waits).
  • 적응형 프레임 스킵(Adaptive frame skipping): 계산 부하가 예산을 초과할 경우 렌더링을 일시적으로 억제하여 지연을 회복함.
  • 드리프트 리셋(Drift reset): 누적 오차가 임계값을 초과하면 기준 시간을 재설정함.
• 비동기 재계획(Asynchronous Replanning): 스케줄러는 미세한 시뮬레이션 단계($\Delta t$)와 더 거친 시나리오 단계($\Delta t_c$)를 연결한다. 메인 루프는 최신 플래너 궤적을 기반으로 차량 상태를 결정론적으로 진행하며, 워커 스레드는 시뮬레이션을 멈추지 않고 백그라운드에서 새로운 궤적을 계산한다.

주요 기여

본 논문은 네 가지 주요 기여를 설명한다:

1. 모션 플래너의 상호작용 평가: 실제 인간 참여자가 포함된 시나리오에서 CommonRoad 모션 플래너(특히 IDM 기반 플래너 및 반응형 샘플링 기반 플래너)의 안전성과 강건성을 평가하기 위한 표준화된 설정 제공.
2. 교통 시나리오 생성: 인간의 주행 로그를 기록하고 CommonRoad 시나리오 형식으로 직접 내보내는 기능을 지원한다. 이를 통해 상호작용 데이터를 데이터 기반 모델 학습 및 체계적인 벤치마킹에 재사용할 수 있다.
3. 행동 캡처 및 분석: 인간-AV 상호작용에 대한 정량적 분석을 지원하기 위해 인간의 주행 행동을 고충실도로 로깅한다.
4. 멀티 에이전트 및 멀티 인터페이스 시뮬레이션: 다수의 AV를 시뮬레이션할 수 있으며, 멀티스레드 아키텍처를 통해 시간적 일관성을 유지하면서 다양한 인간 입력 인터페이스(키보드 및 스티어링 휠)를 지원한다.

실험 결과

프레임워크는 단일 AV 및 다중 AV 시나리오에서 두 가지 대표적인 모션 플래너(IDM 및 Reactive)를 사용하여 평가되었다.

• 기능 검증: 시스템은 HV가 공격적인 차선 변경(cut-ins)을 수행하고, AV가 플래너 로직에 따라 적절히 반응(감속 또는 차선 변경)하는 것과 같은 안정적인 상호작용을 성공적으로 입증했다. 다중 AV 시뮬레이션은 시간적 불일치 없이 동시 에이전트를 처리하는 프레임워크의 능력을 확인시켜 주었다.
• 타이밍 동기화 성능: 명시적 동기화가 없는 "순진한(naive)" 베이스라인과의 정량적 비교 결과, 다음과 같은 유의미한 개선이 나타났다:
  • 최종 오차 ($E_f$): 402.38 ms (순진한 방식)에서 1.48 ms (제안된 방식)로 감소.
  • 최대 누적 오차 ($E_{max}$): 약 2000 ms에서 약 90 ms로 감소.
  • 시간 효율성 ($\eta_t$): 34.36%에서 99.99%로 향상되어 완벽에 가까운 실시간 실행을 보여줌.
  • 타임아웃 비율: 56.4%에서 37.7%로 감소.

의의 및 주장

저자들은 CommonRoad-Game을 오프라인 벤치마킹과 현실적인 상호작용형 인간 참여형 테스트 사이의 가교 역할을 하는 것으로 정의한다.

• 최초의 프레임워크: 본 논문은 표준화된 CommonRoad 시나리오 내에서 소비자용 입력 장치를 사용하여 실시간 HITL 상호작용을 가능하게 하는 최초의 프레임워크라고 주장한다.
• 경량 설계: 고충실도 시뮬레이터와 달리, CommonRoad-Game은 경량 설계를 우선시하며 플래너 평가를 위한 체계적인 지원을 제공하여 연구 목적의 빠른 프로토타이핑에 적합하다.
• 시간적 충실도: 저자들은 인간 참여자에게 요구되는 일관된 실시간 응답성을 보장하기 위해 명시적인 동기화 전략이 HITL 실험에서 매우 중요함을 강조한다.
• 재현성: CommonRoad와 통합됨으로써, 본 프레임워크는 연구자들이 표준화된 시나리오, 맵, 평가 파이프라인을 재사용할 수 있게 하여 정적 데이터셋에서 동적인 인간 주행 테스트 케이스로의 전환을 용이하게 한다.

소스 코드는 공개되어 있으며, 프레임워크는 자율주행 상호작용 연구를 위해 확장 가능하도록 설계되었다.