Shallow CNN and Past Driving Record-Based Method for Power-Efficient Autonomous Driving in Familiar Route Environments

자율주행 자동차는 전방 인지를 위해 고연산 딥러닝 모델(CNN)을 전 구간에서 지속적으로 구동해야 하므로 전력 소모가 크게 누적된다. 반면 실제 운전자는 익숙한 구간을 주행 할 때 경험에 기반해 전방을 단순화하여 처리한다. 본 연구는 이를 모티브로 익숙한 공간을 주행할 때 전력 소모를 저감하기 위해 LSTM을 통해 주행 구간의 익숙함 여부를 판별하고, 익숙한 구간에서는 연산량이 큰 CNN을 중단한 뒤 사전 저장된 주행 시퀀스를 활용하여 주행 출력을 생성하되, early-exit CNN으로 전방을 얕게 처리하는 방식을 제안한다. 이를 통해 불필요한 CNN 연산을 억제하여 전력 소모를 완화하였으며, 실험 결과 일반 주행 대비 전력 절감 효과를 확인하였다. 또한 CNN 구조마다 상이할 수 있는 연산 특성을 변수로 설정하여, 전력 절감 효과를 정량적으로 나타낼 수 있는 수식을 함께 제시하였다.