임베디드 전문업체 Vecow, 자율주행차 전용 플랫폼 개발

자율주행 기술적 과제 극복

(2020.11.10.) 자율주행차 설계자들은 시장 수요를 충족시키기 위해 기존 기술에 크게 의존할 필요가 있다. OEM들이 사내에서 모든 것을 설계할 시간이 없기 때문에 출시 기간의 압박이 증가함에 따라 OEM은 현재 사용 가능한 기술에 집중해야 할 것이다. 복잡한 문제는 차량 내에 컴퓨팅 장비와 케이블을 보관할 수 있는 공간이 한정되어 있다는 점이다. 공간 제한 문제를 해결하려면 솔루션을 고도로 통합해야 한다. 게다가 자동차의 작동 환경은 컴퓨터 실험실이나 기업용 네트워크 서버실의 통제 조건과는 전혀 다르게 고온, 진동, 거친 움직임 등이 있다. 하드웨어는 자동차 온도에서 안정적으로 작동할 수 있어야 한다. 성과 제한도 핵심 고려사항이다. 자율화하려면 차량마다 실시간으로 차량을 처리하고 제어할 수 있는 기능을 갖춘 온보드 인공지능 엔진으로 영상 실시간 데이터 전송을 처리할 수 있는 성능이 충분한 컴퓨터가 필요하다. 또한 설치 공간을 최소화하고 실시간 응답성을 유지하며 신호 비호환성 문제를 방지할 수 있으려면 모든 컴퓨팅 및 비디오 장비가 차량의 시스템 인프라에 통합될 수 있어야 한다. 이는 CAN 인터페이스를 사용하여 차량과 통신하고 제어할 수 있다는 것을 의미한다. 5G 네트워크가 아직 준비되지 않아 초고속 차량 대 제어 센터와 차량 대 차량 통신이 제약을 받는 것도 복잡한 문제이다. 용량 문제도 있다. 실시간 비디오 백업을 지원하면서 AI 컴퓨팅을 수행할 수 있는 로컬 스토리지가 충분한지 등 고려해야 할 용량 문제가 많다. 마지막으로, 이러한 모든 시스템은 엔진에 연결된 모든 배터리가 제공하는 전원을 끄면서 높은 신뢰도로 작동할 수 있어야 한다. 이러한 각각의 문제는 높은 신뢰성을 보장하기 위해 설계 프로세스 초기에 고려되어야 한다. 이는 OEM이 SAE 레벨 3(휴먼 드라이버가 있는 조건부 자동화)에서 SAE 레벨 4(휴먼 드라이버가 없는 높은 자동화)로 전환하기 위해서는 매우 중요하다.

 

 

안정성 및 설계 가속화를 위한 통합 시스템

높은 수준의 접근법은 몇 가지 주요 장점이 있다. 무엇보다도, 기존의 자동차 기술을 기반으로 하며 OEM들이 그들의 설계 주기를 현저하게 가속화할 수 있게 한다. 또한 워크스테이션급 플랫폼이 사전 통합되어 있기 때문에 신뢰성을 저하시키거나 출시 시기를 지연시키지 않고도 동급 최강의 기술을 사용할 수 있게 된다. 플랫폼은 차량용 애플리케이션용으로 제작돼 차량용 AI 컴퓨팅에 필요한 처리 자원을 2300개 이상의 CUDA 코어 주문으로 제공할 수 있다.

 

플랫폼을 사용하는 것은 또한 더 간편한 솔루션을 가능하게 한다. 통합 시스템은 필요한 케이블의 양과 사용 가능한 공간이 거의 없는 차량을 통해 케이블을 연결해야 하는 필요성을 줄인다. 인터페이스 관점에서 CAN 인터페이스를 통해 플랫폼은 전체 자율 컴퓨팅 엔진에 대해 단일 진입점을 통한 통신을 통합하여 단순화하고 차량 인프라에 미치는 영향을 최소화할 수 있다. 이는 결과적으로 차량 내부에 자율 시스템을 설치하는 전체 비용을 절감한다.

 

기존의 하드 디스크 드라이브(HDD)보다 진동과 이동에 더 탄력이 높은 솔리드 스테이트 드라이브(SSD)도 소형으로 넉넉한 스토리지 용량을 제공하기 위해 사용할 수 있으며, SSD는 견고한 애플리케이션용으로 제작되어 업무에 중요한 데이터 보호를 위해 잠금 및 핫 스왑이 가능하다. RAID 데이터 보호 기술을 통해 신뢰성을 더욱 높일 수 있다.

 

모든 컴퓨팅 리소스를 단일 플랫폼에 통합하면 파워 관리도 단순화된다. 차량 배터리에서 작동하는 컴퓨터 장비에는 서지 보호 기능을 갖춘 광범위한 전력 입력에 대한 지원처럼 점화 제어가 필수적이다. 플랫폼은 파워를 "정리"하고 엔진 소음 및 기타 장애를 걸러낼 수 있어 신뢰할 수 있는 작동에 필수적인 모든 민감한 전자 장치에 안정적이고 일관된 전력을 제공할 수 있다.

 

 

ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 그래픽 카드 소개

임베디드 시스템 전문업체 Vecow는 자율주행차 전용 플랫폼을 개발했다. ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 그래픽카드는 NVIDIA의 혁신적인 CUDA(Computer Unified Device Architecture) 핵심 기술이 뒷받침된 8코어 Intel C246과 함께 워크스테이션급 AI 성능을 제공하는 소형 전체 AI 시스템 솔루션이다. NVIDIA RTX 및 튜링 GPU 아키텍처는 최대 8K 해상도로 AI 컴퓨팅에 최대 6배의 성능을 제공한다. 냉각팬이 없는 이 시스템은 소형 폼 팩터를 유지하면서 최대의 유연성을 제공할 수 있도록 독립적인 그래픽 카드를 지원하도록 설계되었다.

 

이 플랫폼에는 4개의 잠금 가능 및 핫 스왑 2.5인치 SSD 트레이가 있어 RAID 0, 1, 5 또는 10으로 보호되는 미션 크리티컬 데이터를 위한 최대 32TB의 안정적인 스토리지를 제공한다. 최대 7개의 독립 HD 디스플레이(VGA, HDMI, DVI, DP), USB 3.1 Gen 2(10G), PCIe 3.0(8 GT/s), SATA1 III(6G), USB 3.0(5G) 등 자율주행차 애플리케이션에 필요한 고속 통신도 지원한다. 4개의 PoE+ 인터페이스를 사용할 수 있어 케이블링 요구 사항을 줄일 수 있으며, 맞춤형 기계 설계는 현재 차량 시스템의 CAN 버스 포트를 지원한다.

 

전력 관점에서 보면, ECX-1400 PEG AI Computing 플랫폼은 잘 보호되어 있다. 그래픽 카드에 300W의 전력예산을 제공할 수 있는 최적화된 전력설계를 갖춘 플랫폼은 32개의 절연장치 입출력(DIO), 점화전원제어, 스마트회로 보호, 80V 서지보호, 12V~36V DC 전력입력을 갖추고 있다. 스마트 전원 관리 기능으로는 점화 모드 관리, iAMT 12.0, TPM 2.0, PXE, Wake on LAN, 원격 전원 스위치 등이 있다. 이 시스템은 또한 충격 방지 및 진동 방지 보호 기능으로 설계되었으며 -20°C에서 45°C까지 작동할 수 있다.

 

 

자율 주행 중인 자동차

ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 그래픽 카드는 수많은 현장 테스트를 거쳤다. 여기서 두 가지 사례를 공유한다. 첫 번째는 중앙창고에서 일본의 여러 목적지까지 물건을 운전하는 자율트럭 호송이다.

 

선두 및 후방 트럭에 배치된 컨트롤러는 전체 호송차량에 대한 플릿(차량군) 통신, 속도/거리 제어, 경로 계획, 센서 식별, 주변 감시, 플릿 비디오/데이터 공유와 같은 높은 수준의 작업을 관리한다.

 

두 번째 사례는 공항에서 일본 전역의 여러 역으로 승객을 수송하기 위한 자율 셔틀버스이다. 버스는 디스패치 센터에서 원격으로 관리되며, 센서 시스템은 도로의 마그네틱 마커를 내비게이션에 활용한다.

 

ECX-1400 PEG AI Computing + NVIDIA GeForce RTX 2070 그래픽 카드는 유연성이 뛰어난 플랫폼으로 특정 애플리케이션에 맞게 맞춤 제작이 가능하다. 자율주행차용으로 제작됐지만 자동번호판(LPR) 인식, 로봇제어, 원격의료, 공공감시 등 다른 용도로도 활용할 수 있다.

 

ECX-1400은 단일 플랫폼 솔루션으로, 자율주행차 AI 장비를 차량에 통합하는 것과 관련한 많은 과제를 극복할 수 있다. 이 기술은 자율주행 자동차의 설계를 단순화하고, 도로를 더 안전하게 만들고 증가하는 운전자의 인력 부족을 해결하도록 돕기 위해 그들의 전 세계 배치를 가속화할 것이다.

 

 

 

[출처]

www.embedded-computing.com/guest-blogs/accelerating-the-design-and-deployment-of-autonomous-cars-worldwide

Accelerating the Design and Deployment of Autonomous Cars Worldwide

 

Edited by Lucy