글로벌오토뉴스

상단배너

  • 검색
  • 시승기검색
ä ۷ιλƮ  ͼ  ī 󱳼 ڵδ ʱ ڵ 躴 ͽ ǽ ȣٱ Ÿ̾ Auto Journal  Productive Product

[오토저널] 자율주행자동차 성능향상을 위한 인공지능 플랫폼 기술개발 동향

페이지 정보

글 : 오토저널(ksae@ksae.org)
승인 2019-02-01 12:56:41

본문

4차 산업 혁명 시대가 도래함에 따라 여러 미래 지향 기술들이 각광을 받고 있으며 이런 다양한 기술들 중에서도 특히 자율주행자동차에 대한 관심이 뜨겁다. 이는 자동차와 ICT가 융합되면서 이전에 단순한 이동수단이었던 자동차가 열린 공간 이동체라는 새로운 가치를 가지게 됨에 따라 자율주행자동차가 사회적·산업적으로 다양한 가치창출을 이루어낼 것이라는 기대가 크기 때문에다. 이런 사회적 흐름에 따라 정부, 기업, 대학 등 다양한 주체에서 자율주행을 위한 여러 가지 기술들에 대한 연구를 수행하고 있으며 특히, 최근 각광받고 있는 인공지능을 기반으로 한 연구들이 활발히 진행되고 있다. 또한 자동차라는 공간에서 여러 기술들을 손쉽고 효율적으로 구동하기 위하여 인공지능 Platform에 관련된 연구들 역시 매우 활발히 진행 중이다. 본 고에서는 자율주행자동차 연구를 위한 인공지능 Platform 기술개발의 동향을 소개한다.

 

자율주행자동차는 자동차가 스스로 인식, 판단, 제어를 통해 운전자의 개입 없이 스스로 안전 주행을 하는 자동차로, 4차 산업 혁명과 ICT 융합에 대한 관심이 높아지면서 이에 대한 연구가 활발히 이루어지고 있다. 자율주행자동차는 운전자의 편의를 증대시킬 수 있는 미래 교통수단으로 주목받고 있으며, 미래 산업 시장에서 큰 파급 효과를 줄 것으로 예상된다. 최근에는 딥러닝과 영상 센서 그리고 GPU의 발달로 인하여 인공지능 기반의 자율주행 연구가 각광 받고 있다. 특히, 딥러닝 기반 영상 인식 기술은 사람보다 더 높은 인식률을 보이고 있기 때문에 자율주행자동차의 인식 처리에서 딥러닝은 더욱더 중요도가 증가하고 있으며 자율주행자동차의 상업화를 가속시키고 있다. 하지만 딥러닝 기반 인식은 높은 연산 복잡도를 요구하며, 고비용과 고사양의 하드웨어를 필요로 한다는 단점을 갖는다.


일반적으로 딥러닝 기반 데이터 처리 시 한 대 혹은 여러 대의 고사양 컴퓨터와 GPU를 이용하는데, 이는 굉장히 큰 전력을 소모하며 차지하는 면적 또한 크다. 그렇기 때문에 한정된 전력과 공간 안에서 여러 결합된 시스템이 동작하는 자동차에서 딥러닝 기반의 인식 처리를 사용하기 위해서는 저전력의 딥러닝 전용 소형 하드웨어가 필수적으로 요구된다. 이에 따라 최근 여러 회사에서 자율주행자동차용의 인공지능 Platform 개발 연구가 활발히 진행되고 있다.

 

 

인공지능 플랫폼


플랫폼(Platform)이란 기초가 되는 틀 또는 표준을 의미하는 것으로 IT 업계에서는 주로 각종 서비스의 기반이 되는 하드웨어나 소프트웨어 환경을 말한다. 따라서 자율주행자동차를 위한 인공지능 Platform은 인공지능 기반의 인식처리를 자동차 시스템 환경에서 수월하게 동작시키기 위한 ‘공간’이라 볼 수 있다. 본 장에서는 다양한 인공지능 Platform에 대해 소개한다.


●Nvidia의 Drive PX

 

<그림 1>에서 볼 수 있듯이 Nvidia에서는 자율주행을 위한 인공지능 Platform인 Drive PX2를 출시하였으며 해당 Platform에서는 여러 대의 카메라와 센서에서 제공하는 데이터를 심층 신경망으로 처리할 수 있다.

 

57abb7af3ac74f5a63028ae23193ccdd_1548993

Drive PX2에는 성능과 소비전력의 Trade-off를 고려하여 칩 구성에 따라 Auto-cruise, Auto-chauffeur 그리고 Autonomous driving 등의 여러 Platform이 있다. 가장 적은 전력 소모로 동작하는 Auto-cruise 모듈의 경우 단일 프로세서로 구성되어 심층 신경망을 10W의 전력 소비만으로 구동할 수 있으며, 가장 고성능을 제공하는 Autonomous driving 모듈의 경우 2개의 모바일 프로세서와 2개의 개별 GPU로 구성되어 초당 24조 번의 고속 병렬 연산능력을 가진다.


Nvidia는 이러한 Drive PX2가 장착된 최초의 시리즈 차량으로 <그림 2>의 테슬라 모델 S를 세계적인 IT 쇼인 CES 2017에서 전시하였으며 현재에는 테슬라뿐만 아니라 벤츠, 아우디 등 여러 자동차 회사에서도 Drive PX2를 활용하여 인공지능에 기반한 자율주행자동차 시스템을 개발하고 있다. 이처럼 인공지능 Platform은 자율주행 자동차에 필수적으로 활용될 전망이다.


●Mobileye의 EyeQ

 

Mobileye에서 출시되었던 EyeQ1부터 EyeQ3 칩들은 첨단 운전 지원 시스템(ADAS)을 지원하는 칩으로 차량, 보행자, 도로 경계 등 다양한 물체들을 인식하여 대처하고 신호등과 교통표지판 등을 인지하여 처리하는 알고리즘을 내장하며 Vector Microcode Processor를 탑재하여 벡터 연산을 수월히 처리한다. 이러한 칩들은 이미 전 세계의 다양한 자동차 업체의 고급차 모델에 장착되었고, 현대차의 제네시스 모델도 이를 채택하였다.

 

57abb7af3ac74f5a63028ae23193ccdd_1548993

EyeQ4 칩은 EyeQ3보다 8배나 높은 컴퓨팅 성능을 보이며 Level 3의 자율주행 시스템을 지원하도록 설계되었다. 레이더 및 라이더 외에도 8개 이상의 카메라 센서에서 처리된 데이터를 처리할 수 있는 용량을 가지며, 3~5W만으로 초당 2.5조의 작업을 처리한다.2020년에는 Level 4~5의 자율주행을 지원할 수 있는 EyeQ5 칩 개발을 계획하고 있다. <그림 3>에 제시된 이 칩은 23 TOPs(Trillion Operations per Second)의 성능으로 초당 23조 번 명령을 10W의 전력 소비만으로 처리할 수 있을 것으로 예상하고 있다.


●Toshiba의 자율주행을 위한 이미지 인식 프로세서

 

<그림 4>에 제시된 Toshiba의 이미지 인식 프로세서 TMPV7608은 8개의 MPE(Media Processing Engines)와 다양한 이미지 처리 가속기를 통합하여 기존 제품 보다 10배의 처리 성능 향상을 달성하였다. 이 칩은 최대 8개의 이미지 인식 응용 프로그램을 병렬로 실행할 수 있고, 266.7MHz의 Clock 주파수에서 50ms 내에 보행자와 차량을 동시에 인식할 수 있다.


●Horizon Robotics의 Journey 1.0

 

중국의 여러 기업들도 이런 인공지능 Platform 개발에 뛰어들고 있다. 중국 스타트업인 Horizon Robotics는 <그림 5>의 지능형 주행 차량을 위한 인공지능형 프로세서 Journey 1.0을 발표했다. 이 프로세서는 자동차가 보행자, 자동차, 교통 신호등, 차선, 표지판 및 기타 유형의 타겟을 실시간으로 자동으로 인식하고 모니터링 할 수 있도록 설계되었으며, 1.5W만의 전력으로 200개의 물체를 동시에 인식할 수 있다. 모든 인식 처리는 Full HD(1920×1080) 해상도의 영상을 30 FPS(Frame per Second)로 실시간으로 처리한다.

 

57abb7af3ac74f5a63028ae23193ccdd_1548993



●TI의 Vision AccelerationPac & TDA3x SoC

 

TI의 Vision AccelerationPac은 Programmable 가속기로 자동차나 로봇 등 이미지 처리가 필요한 어플리케이션에서 널리 사용된다. <그림 6>의 Vision AccelerationPac은 하나 이상의 EVE(Embedded Vision Engines)이 내장되어 있어 Programmability와 낮은 Latency 처리 그리고 높은 전력 효율을 가진다. EVE에는 32-bit 어플리케이션 특화 프로세서(ARP32)와 벡터 코프로세서를 한개씩 가지고 있기 때문에 낮은 Overhead에 병렬처리가 가능하다.

 

57abb7af3ac74f5a63028ae23193ccdd_1548993



<그림 7>에는 제시된 TDA3x SoC(System on Chip)는 이러한 Vision AccelerationPac과 DSP, 메모리, Interface 그리고 프로세서 등으로 구성되었으며 ADAS의 요구사항을 충족시킬 수 있는 고도로 최적화되고 확장 가능한 디바이스이다. 이 칩은 전·후방 카메라와 서라운드 뷰, 레이더, 카메라 미러 시스템 및 운전자 모니터링 등 광범위한 ADAS 어플리케이션을 구현할 수 있으며, Full HD 영상를 60 FPS로 처리할 수 있다.


●Intel의 Arria 10GX FPGA

 

FPGA(Field Programmable Gate Arrays) 칩은 GPU보다 확장성이 뛰어나고 훨씬 저전력으로 동작이 가능하다는 장점을 갖기 때문에 이를 GPU 가속기처럼 활용해 인공지능 관련 서비스의 성능과 효율성을 높이는데 사용되고 있다. Intel의 자율주행을 위한 자동차용 Arria 10 FPGA<그림 8>는 Intel의 Atom 프로세서 또는 Xeon 프로세서와 결합되어 융합 및 의사 결정을 포함한 다양한 자동화된 운전 기능을 수행할 수 있는 컴퓨팅 리소스를 제공한다.


●Xilinx의 FPGA

 

Xilinx는 인공지능 기반의 알고리즘 및 어플리케이션 개발을 위한 플랫폼을 제공한다. <그림 9>의 Virtex UltraScale+FPGA VCU1525가 인공지능 처리와 같은 계산
집약적인 어플리케이션을 겨냥해 개발된 키트로 21 TOPs의 성능을 보이며 다양한 프레임 워크, 라이브러리와 개발 도 Xilinx는 인공지능 기반의 알고리즘 및 어플리케이션 개발을 위한 플랫폼을 제공한다. <그림 9>의 Virtex UltraScale+FPGA VCU1525가 인공지능 처리와 같은 계산 집약적인 어플리케이션을 겨냥해 개발된 키트로 21 TOPs의 성능을 보이며 다양한 프레임 워크, 라이브러리와 개발 도구를 제공한다.

 

57abb7af3ac74f5a63028ae23193ccdd_1548993

<표 1>은 지금까지 소개된 인공지능 Platform을 비교한 것이다. 전력소모와 성능 간의 Trade-off를 갖는 것을 볼 수 있으며 여러 업체가 계속해서 관련 연구를 진행 중이므로 향후 인공지능 Platform의 성능과 효율성이 계속해서 향상될 것이라 기대된다.

 

최근 자율주행자동차 산업이 발달하면서 전통적인 자동차 전문 제조회사들과 자율주행의 핵심 기술을 개발하는 여러 ICT 기업들이 융합하여 자동차 산업을 급격하게 발전시키고 있다. 해외의 경우 Nvidia와 벤츠, Mobileye와 BMW가 협력해 자율주행자동차 개발을 진행하고 있으며, 그 외에 구글, 애플, 우버, 바이두, 폭스바겐, 아우디, 도요타, 테슬라 등 여러 회사에서도 활발한 연구가 진행되고 있다. 국내의 경우 네이버, 현대·기아자동차 등에서 자율주행자동차를 연구·개발하고 있으며, 국가 차원에서도 신사업으로 자율주행자동차 산업에 대해 관심과 지원을 아끼지 않고 있다. 현재는 Level 3 수준에 머물러있는 자율주행이지만 이러한 사회적인 분위기에 힘입어 향후 Level 4, 5 수준의 완전한 자율주행이 가능해지는 시대가 올 것이며 이를 가속화하기 위해서도 인공지능 Platform의 많은 발전이 이루어져야 한다. 향상된 인공지능 platform 상에서 다양한 업체들이 자율주행 연구를 수월하게 할 수 있고 그 결과 우수한 연구 결과를 토대로 언젠가는 자동차가 단순한 이동수단이 아닌 열린 공간 이동체가 될 것을 기대해본다. 

 

글 / 김 현 (서울대학교)

출처 / 오토저널 2018년 6월호 (http://www.ksae.org)  

  • 페이스북으로 보내기
  • 트위터로 보내기
  • 구글플러스로 보내기
하단배너
우측배너(위)
우측배너(아래)