배움에 대한 '분노': Red Bull Advanced Technologies, OCI를 사용하여 미래 레이싱 스타를 위한 AI를 테스트

모터스포츠의 정점으로 도약하려면, 전도유망한 신예 카레이싱 선수에게는 일반적인 운동선수를 뛰어넘는 강도와 집중이 필요합니다.

Red Bull Driver Academy의 수석으로서 젊은 선수를 지도하고 육성하는 Guillaume Rocquelin은 "우리는 이른바 '완벽에 대한 분노'라는 것을 찾습니다. 이는 배우고 다음에는 더 나아지고자 하는 불타는 열망입니다."라고 말합니다.

"이 열망이 있어야 우리가 제공할 수 있는 모든 데이터와 분석을 열렬히 갈구하게 됩니다. 이게 바로 우리가 원하는 핵심적인 태도입니다. 물론 언제나 신체적인 능력으로 번역되는 건 아니지만, 이것이 시작입니다."

레이싱 정상으로 도약하는 일에 대해 Rocquelin보다 더 잘 아는 사람은 없습니다. 그는 포뮬러 1 월드 챔피언 4관왕인 Sebastian Vettel의 레이스 엔지니어였던 사람입니다. The Red Bull Driver Academy는 이 스포츠 최고의 훈련장 중 하나로, 오늘날 F1 그리드에 있는 20명의 선수 중 7명이 이 프로그램의 졸업생입니다.

Rocquelin은 자신과 같은 코치들이 사용하는 교육 도구에서 개선의 여지를 보았습니다. 훌륭한 젊은 선수는 분명 훌륭한 학습자일 테지만, 한 선수가 다른 선수보다 더 빠른 이유를 코치가 정확하게 보여줄 방법은 매우 제한적입니다. 그 선수는 정확히 언제 제동하고, 가속하고, 변속하는가? 코너에서는 정확히 어떤 각도로 진입하고 회전했는가? 선수는 자신보다 더 빨리 가는 사람을 그저 보고 따라 해 볼 수 있을 뿐입니다.

자동차 경주에 고성능 엔지니어링을 적용하고 해당 기술을 다른 산업에도 활용할 방법을 모색하는 Red Bull Advanced Technologies는 더 나은 젊은 선수 교육용 도구를 만드는 과제를 수행하고 있습니다. Red Bull Advanced Technologies의 엔지니어들은 Oracle 데이터 과학 전문가들과 협력하여 어떻게 하면 머신 러닝, 클라우드 컴퓨팅, 데이터 시각화를 모두 활용하여 데이터에 목마른 선수들에게 더욱 가치 있는 훈련 경험을 제공할 수 있을지 고민하고 있습니다.

Rocquelin은 "어떤 코칭 환경에서든 도구는 대화의 시작에 불과합니다. 그러나 품질 좋은 도구일수록 품질 좋은 대화를 할 수 있습니다"라고 말합니다.

어떤 코칭 환경에서든 도구는 대화의 시작에 불과합니다. 그러나 품질 좋은 도구일수록 품질 좋은 대화를 할 수 있습니다.

Guillaume Rocquelin Red Bull Driver Academy 책임자

Oracle의 데이터 과학 팀은 Oracle Cloud Infrastructure(OCI)를 사용하여 자율주행 자동차에 사용되는 알고리즘인 동시적 위치 추정 및 지도작성(SLAM) 알고리즘을 개선하고 이를 팀의 e스포츠 선수의 레이싱 영상 분석에 적용합니다. 성공하게 되면 팀이 선수의 세션 영상을 애플리케이션에 입력하고, 해당 영상에 대한 머신 러닝 분석을 실행하여 랩 타임 개선 방법에 대한 새로운 인사이트를 얻을 수 있으리라 기대합니다.

이 도구는 아직 초기 개발 단계에 있습니다. 예를 들어, Oracle의 데이터 과학자들은 자율주행 자동차 알고리즘을 표준 세단이 아닌 경주용 자동차에 적용하면 어려움을 겪었습니다. Oracle의 인공지능 서비스 담당 부사장인 Jigar Mody는 "레이싱에서는 물리 법칙이 매우 다릅니다"라고 말합니다. OCI가 팀의 이러한 미해결 AI 도전 과제를 지원하는 방법은 다음과 같습니다.

먼저 Red Bull Advanced Technologies는 분석을 위해 Oracle 데이터 과학 팀에 e스포츠 시뮬레이터 영상을 제공했으며, Oracle 팀은 SLAM 알고리즘을 적용하여 차량의 트랙의 어디에 있는지를 평가했습니다. 그리고 이 출력값을 분석에 필요한 데이터의 기초로 삼을 수 있겠다고 기대했습니다.

문제 : 팀이 레이스 영상에 처음 SLAM을 적용한 결과, 예측된 위치에는 반 킬로미터의 오차가 있었습니다. 이러한 알고리즘은 일반적으로 최고 속도 20km/h(200mph)로 움직이며 5G의 횡가속도를 견디는 차량을 해석할 수 있게 제작되지 않았던 것입니다. 구상 중인 데이터 분석 시스템에는 정확한 AI 모델이 필요하기 때문에, Oracle 데이터 과학자는 모델 개선 작업을 시작했습니다.

이러한 정확성은 중요합니다. Oracle의 수석 데이터 과학자 겸 AI 전문가인 Alberto Polleri 박사는 말합니다."선수들의 운전 방식은 매우 정밀하기 때문에, 위치 정확성이 20센티미터는 되어야만 알고리즘을 유용하게 사용할 수 있습니다. 그리고 차량의 방향을 나타내는 미세한 각도는 1도 미만으로 정확해야 합니다."

Oracle 데이터 과학 팀은 OCI 그래픽 프로세서 장치(GPU)를 온디맨드 컴퓨팅 성능으로 사용하여 AI 모델링 및 테스트에 사용되는 대규모 컴퓨팅 부하를 지원합니다. 이 팀은 영상을 OCI에 집어넣고, 컨볼루션 신경망(CNN) 및 순환 신경망(RNN)을 사용해 이미지를 처리한 다음, OCI를 사용해 다양한 매개변수를 테스트하고 AI 모델에 적용하여 결과가 실제 트랙 상황과 얼마나 일치하는지 확인합니다.

이러한 모델 최적화 프로세스는 컴퓨팅 집약적인 작업이므로, 컴퓨팅 용량을 OCI에서 온디맨드 가변 클라우드 리소스로 확보하는 기능이 반드시 필요합니다. 일부 모델은 실행에 며칠이 걸릴 수 있습니다. 팀이 테스트를 시작해서 모델이 개선되지 않는다는 사실만 확인하고 마칠 때도 있었고, 서로 다른 모델을 병렬로 실행할 때도 있었습니다. "매달 며칠씩 걸리는 실험을 수백 번씩 합니다"라고 Polleri는 설명합니다.

OCI에서의 기술적 구현

OCI의 아키텍처에서 데이터는 다음과 같이 이동합니다.

먼저 OCI에 영상을 집어넣습니다.

그런 다음 데이터는 세 개의 평행 파이프라인 또는 워크플로로 흐르며 시각적 주행 거리계(자동차의 속도 및 방향), 트랙 위치, 차량 제어(스티어링 휠 및 휠)를 평가합니다. 이 세 가지 워크플로는 GPU를 포함한 광범위한 OCI Compute를 사용합니다.

Red Bull Advanced Technologies는 AI 모델이 개선되면 OCI에서 구동되는 도구를 사용하여 영상을 입력한 다음, 한 선수가 여러 랩을 주행했을 때 랩마다 어떤 차이가 있었는지 혹은 각 선수의 주행 방식에는 어떤 차이가 있는지를 심층적으로 분석할 수 있기를 기대합니다.

이러한 종류의 알고리즘 연구는 레이싱 외에도 로봇 공학 및 자율주행 차량과 같은 분야, 즉 객체의 다음 이동 위치를 예측해야 하는 모든 적용 분야에서 유용하게 사용될 수 있습니다. 대부분의 사용 사례는 경주용 자동차처럼 시속 200마일의 속도를 내지는 않지만, 레이싱에서 이루어진 이러한 정교한 개선들은 일상적인 속도에서도 도움을 줄 것입니다. Oracle의 Mody는 “고속에서 잘 작동하는 기술은 저속에서는 더 훌륭하게 작동합니다”라고 말합니다.

Oracle Connect 기사 더 읽어보기