비구조 환경 자율주행 현황과 과제

초록

**
본 설문은 비구조 야외 환경(농경지, 광산, 군사 지역 등)에서의 자율주행 기술을 총 250편 이상의 논문을 기반으로 종합적으로 정리한다. 오프라인 매핑, 자세 추정, 환경 인식, 경로 계획, 엔드‑투‑엔드 학습, 데이터셋 등 주요 모듈을 체계적으로 분류하고, 각 모듈이 직면한 고유한 난관과 최신 연구 동향을 제시한다. 또한 현재 연구의 한계와 향후 연구 방향을 제언하며, 실시간 시스템 구현을 위한 오픈소스 레포지토리도 제공한다.

**

상세 분석

**
본 설문은 비구조 환경을 “다양한 환경 유형, 방대한 요소, 의미론적 모호성, 무질서한 장면 구조, 복잡한 도로 상태, 위성 신호 취약성”이라는 여섯 가지 고유 특성으로 정의하고, 이러한 특성이 자율주행 파이프라인 전 단계에 미치는 영향을 심층 분석한다.

1. 오프라인 매핑에서는 LiDAR 기반 SLAM(Kaess et al., 2008)과 멀티센서 퓨전(Ren et al., 2021a) 기법을 비교하고, 비구조 지역에서 사전 매핑이 어려운 현실을 강조한다. 특히 사전 지도에 의존하는 자세 추정·경로 계획 모듈이 급격한 지형 변화와 신호 차단에 취약함을 지적한다.
2. 자세 추정 파트는 매칭 기반(예: Peng 2022)과 오도메트리 기반(예: Zhang 2014) 방법을 정리하면서, 시각 센서가 구조물 부재로 인해 깊이 정보를 충분히 제공하지 못하고, GNSS·RTK가 차폐·반사에 민감한 점을 상세히 논한다. 따라서 라이다‑IMU‑바이오센서 융합이 필수적이라는 결론에 도달한다.
3. 환경 인식에서는 traversability estimation, semantic segmentation, multi‑modal fusion을 각각 LiDAR, RGB, 레이더 기반 연구로 구분한다. 기존 연구가 주로 정적인 장애물 탐지에 머물러 있으며, 동적 식생·흙‑물 혼합 지형에 대한 실시간 분류는 아직 초기 단계임을 강조한다. 또한 라벨링 비용이 높아 데이터 효율성을 위한 자기지도학습·약한 감독 학습이 필요함을 제시한다.
4. 경로 계획은 전역·국부 플래너를 크게 나누고, 전통적 탐색(예: A*), 샘플링(예: RRT*), 최적화(예: MPPI), 인공 전위장, 동적 윈도우, 생물학적 영감, 데이터‑드리븐 접근법을 정리한다. 특히 비구조 환경에서는 지형 불확실성, 실시간 업데이트 요구, 다중 목표 충돌 회피가 핵심 난제이며, 이를 해결하기 위해 확률적 위험 모델링과 온라인 재계획 프레임워크가 활발히 연구되고 있다.
5. 모션 컨트롤은 PID·MPC·MPPI 등 전통 제어와 슬라이딩 모드·프리뷰 트래킹을 비교한다. 비정형 지형에서의 트랙션 변동, 차량 무게중심 변화, 진동·충격에 대한 견고한 제어 설계가 강조되며, 시뮬레이션·현장 테스트 간 격차를 메우기 위한 하드웨어‑인‑더‑루프(HIL) 실험 필요성을 언급한다.
6. 엔드‑투‑엔드 학습은 행동 복제·IRL·RL 기반 방법을 정리하고, 비구조 데이터의 부족과 라벨링 비용을 극복하기 위해 도메인 적응·시뮬레이션 데이터 증강·멀티태스크 학습이 제안된다. 또한 모듈식 파이프라인 대비 정보 손실 감소와 실시간성 확보가 장점으로 부각된다.
7. 데이터셋 섹션에서는 RELLIS‑3D, RUGD, ORFD 등 대표적인 비구조 데이터셋을 비교하고, 규모·센서 다양성·주석 품질 면에서 구조화된 도시 데이터셋에 비해 현저히 부족함을 지적한다. 특히 계절·날씨·지형 변화를 포괄하는 대규모 멀티모달 데이터베이스 구축이 시급하다.
   마지막으로 설문은 현재 연구가 모듈 간 인터페이스 표준화 부족, 실시간 시스템 통합 어려움, 시뮬레이션·현장 격차에 머물러 있음을 진단하고, 통합 시뮬레이터 개발, 자기 지도 학습 기반 라벨링 자동화, 다중 센서 융합 표준 프로토콜 등을 향후 연구 로드맵으로 제시한다.

**