자율주행 엣지의 Continual Learning 적응 성능 분석

Abstract

자율주행 시스템의 안정성이 중요시되면서 로컬 엣지(Edge)에서 GPU를 기반으로 딥러닝을 적용하는 연구가 진행중이다. 그러나 자율주행용 엣지 딥러닝 학습 과정에서 실시간으로 유입되는 새로운 데이터에 대한 적응력이 뛰어나지 못한다는 문제점이 제기되고 있다. 본 논문에서는 실시간 적응 능력개선과정확도향상을위해 엣지 상에서 Continual Learning(CL, 연속학습) 알고리즘을 딥러닝 학습 과정에 도입할 것을 제안한다. NVIDIA Jetson AGX 기반 엣지 환경에 EWC와 Rehearsal을 적용한 실험을 통해 CL 알고리즘이 정확도를 손해보지 않으면서 실시간 환경에빠르게적응할수있음을보였다.

Keywords

Edge Computing, Continual Learning, EWC, Rehearsal, Resource-constrained Systems, On-device Learning

Citation

이지은, 테오도라 아두푸, 김윤희. “자율주행 엣지의 Continual Learning 적응 성능 분석.” KNOM Review, Vol. 28, No. 1, pp. 1–9, August 31, 2025.

원문 및 DOI