글로벌 인사이트


모빌리티, 자율주행, 전동화 등 자동차 관련 글로벌 정보를 제공합니다


자율주행 시스템 개발을 위한 가상 주행 해석 기술

한국자동차공학회
2023-11-13
조회수 928

 달 전에 미국 샌프란시스코 시내를 운행하는 자율주행 택시가 종종 고장으로 교통 체증을 유발한다는 기사를

보고 자율주행차가 정말 우리 곁에 가깝게 다가왔다는 것을 실감했다. 하지만 전반적으로는 아직 Level 4 이상의 완전자율주행보다는 Level 2 기반의 운전자 지원 시스템(ADAS, Advanced Driver Assistance Systems)이 보다 빠르게 보편화되고 있다.


자율주행 자동차 시장 규모는 각 연구기관이나 매체에 따라서 다르게 추정되고 있는데, 대부분의 예상은 2020년대 중반부터 2030년대 초반까지 급격하게 성장할 것으로 예상하고 있다. 소프트웨어정책연구소는 자율주행 자동차 시장 규모가 2020년 64억달러에서 연평균 41% 성장하여 2035년에는 1조 1,204억 달러 규모에 달할 것으로 전망2하며, IRS글로벌은 2020년 754억 3000만 달러에서 연평균 39.9% 성장하여 2030년에는 1조 5337억 달러규모에 이를 것으로 예상3하고, 더구루(THE GURU) 는 2020년 620억 달러에서 연평균 41% 성장하여 2030년에는 1조 1,940억달러 규모에 달할 것으로 추산4했다.


이러한 자율주행 자동차의 자율주행 시스템은 다양한 센서를 사용한 인지기술, 인지 정보를 바탕으로 한 판단기술, 판단 기술에 따라 차량을 제어하는 제어기술이 결합된 복합시스템5이다. 이 시스템을 개발하고 검증하기 위해서는 특별히 고안된 시험 도로와 실제 도로에서 수많은 주행 테스트를 수행해야 한다. 하지만 시간과 비용이 많이 들고, 소비자가 맞닥뜨릴 수 있는 다양한 환경과 조건을 모두 반영하여 검증하기는 현실적으로 어렵다. 이러한 문제를 해결하기 위하여 벤치 테스트와 가상 주행 해석 툴을 이용한 자율주행 시스템 개발과 검증 기술의 개발이 이루어져 왔다.


본 고에서는 자율주행 시스템의 개발과 검증에 사용되는 하드웨어와 소프트웨어가 결합된 형태의 벤치 테스트에 대하여 살펴보고 순수 가상 환경 하에서 자율 주행을 구현하는 대표적 몇 가지 가상 주행 해석 소프트웨어를 소개하고 기술의 한계와 확장성에 대하여 살펴보고자 한다.


벤치 테스트란 실제 도로 환경을 모사한 테스트베드에서 수행하는 테스트를 말한다. 테스트 베드는 자율주행 시스템의 성능과 안전성을 평가하고 개발하기 위한 도구로써 도로 주행을 모사한 장치이다. 테스트 베드는 다른 차량, 행인, 자전거, 교통신호, 표지판, 날씨, 교통량 등의 변수를 조절할 수 있다. 또한 벤치 테스트를 위하여 테스트베드에서 직면할 수 있는 여러가지 상황과 조건을 미리 정의한 시나리오가 필요하고, 이러한 시나리오에 따라 수행한 자율주행 시스템의 결과를 측정하고 분석하는 과정이 필요하다.


그리고 테스트의 신뢰성과 타당성을 높이기 위해 실제 도로 환경의 데이터를 수집하고, 분석하여 최적화되고 신뢰성 높은 모델링을 구성하는 기술이 필요하다. 이러한 벤치 테스트는 자율주행 시스템의 개발과정에서 매우 중요한 단계로써, 실제 도로에서의 운행 전에 자율주행 시스템의 오류나 위험을 줄이고, 최적화된 시스템을 구현하기 위해 필요한 단계이다.6 하지만, 하드웨어를 일부 사용한다는 점에서 하드웨어의 유지보수, 갱신 등이 필요하며, 자동차의 구성 요소 혹은 실제 도로 구성에 대해 완전히 자유롭지 않기에 자율주행 시스템 개발에 제약점이 존재한다.


이러한 벤치 테스트의 한계를 극복하려는 시도로 테스트 베드를 완전하게 컴퓨터로 생성한 가상 주행 해석 툴로 대신하여 하드웨어가 없이 가상의 환경에서 자율주행 시스템의 성능과 안전성을 시뮬레이션 하는 기술이 개발되고 있다. 하드웨어를 이용한 테스트를 수행하지 않아도 되어서 프로토타입을 만들 필요가 없으므로 자동차 개발 비용을 낮출 수 있다.


또한 하드웨어의 유지 보수, 갱신 등이 필요 없으며, 자동차의 구성 요소 혹은 실제 도로 구성에 대해 자유롭기 때문에 테스트 장비에 대한 업데이트, 테스트 시나리오의 수와 테스트 횟수 등을 무한히 늘려서 검증할 수 있다. 이와 더불어 개발 초기 과정에서 오작동이나 버그로 인한 사고로 인명 및 재산상의 피해가 발생할 수 있는 가능성을 없앨 수 있다. 이와 같은 많은 장점으로 인하여 하드웨어를 이용한 개발보다 많은 부분에서 가상 주행 해석 툴을 이용한 자율주행 시스템의 개발을 진행하려 노력하고 있다.


자율주행 시스템을 개발하기 위한 가상 해석 툴 중에서 자동차 제조사들과 여러 자동차 부품 공급사에서 사용되고 있는 프로그램 몇 가지를 소개한다.


먼저 dSPACE는 독일의 시뮬레이션 및 검증 전문기업인 dSPACE GmbH에서 개발한 프로그램으로써, 실시간 시뮬레이션과 HIL(Hardware-in-the-Loop) 시뮬레이션을 위한 플랫폼이다. 차량의 제어 시스템을 실제 하드웨어와 연결하여 테스트하고 최적화를 할 수 있다. 또한 사진과 같은 품질의 고해상도 3D 시각화 도구를 제공하며 다양한 표준과 인터페이스를 지원하여 다른 프로그램들과 연동되어 원활한 통합을 제공하여 준다.6,8


Carmaker는 독일의 IPG Automotive에서 개발된 프로그램으로, 실제 도로 환경과 유사한 가상 환경에서 센서, 알고리즘, 제어기 등의 구성요소를 테스트할 수 있는 열린 통합 및 테스트 플랫폼이다. 이 프로그램 역시 다양한 환경적 요소를 컴퓨터 프로그램을 통하여 제어기 소프트웨어 및 하드웨어와 연동할 수 있다. 이와 같은 장점을 바탕으로 많은 참조 사례와 성공 사례를 가져서 높은 신뢰성을 갖고 있다.6,9


다음으로 PreScan은 네덜란드의 TNO에서 개발되고 Siemens와 공동 브랜드로 판매되고 있는 프로그램으로써 다양한 언어와 툴과 연동함으로써 자율주행 자동차의 여러 구성 요소를 실제 도로 환경과 유사한 가상환경에서 테스트하는 도구 중 하나이다. 또한 실제 도로 환경의 데이터를 수집하고, 분석하고, 모델링하는 기능을 제공하면서 dSPACE와 연동하여 HIL 시뮬레이션을 수행할 수 있다.10


또한 NVDIA DRIVE Sim은 NVDIA에서 개발한 가상 해석 툴로써 자율주행 시스템 개발을 위해 Omniverse기반으로 만들어진 프로그램이다. 3D환경과 시뮬레이션을 결합하여 자율주행 자동차의 성능과 안전성을 검증할 수 있는 가상 성능 시험장을 생성함으로써, AI기반의 가상 재구성과 신경 재구성이라는 두 가지 방법을 사용하여 실제 운전 시나리오를 재구성하고 수정할 수 있다는 장점이 있으며 SIL(Software-in-the-Loop), HIL을 사용할 수 있다.10



위에서 알아본 가상 해석 툴들을 GM, 현대자동차, BMW, Daimler 등의 세계적인 자동차 제조사와 자동차 부품 공급사인 Bosch, Continental, ZF, 삼성전자, LG전자등과 세계 유수의 대학에서 사용하여 도로 주행 시험에 따른 비용과 시간을 절약하면서 다양한 도로 환경과 주행 조건을 테스트하고 있다.


실제로 금년 여름에 필자가 남부지방으로 출장을 다녀올 때, 하루 강수량 370mm의 폭우12로 인해 가시거리가 수십 미터밖에 되지 않고, 도로가 침수되는 상황을 경험하였다. 이 때 전방 카메라 장치(FCM, Front Camera Module)가 폭우로 인하여 정상 작동하지 않았다. 이러한 돌발상황을 상기시켜보면, 실제 도로의 다이내믹한 주행 환경과 예측 불가능한 기상 조건 변화는 도로 주행 시험을 통하여 모두 검증하는 것은 어려울 것으로 보인다. 하지만 자율주행 시스템을 가상 해석 툴을 이용하여 다양한 환경 요소를 구현한다면 도로 주행 시험에서 검증하기 어려운 수많은 시나리오를 만들어 볼 수 있다.


이로써 위험하고 희박한 도로 주행 시험에서 벗어나 안전하고 적은 비용으로 다양한 주행 환경에서의 자율주행 시스템 성능을 개발하고 검증할 수 있을 것이다. 하지만 가상 주행 해석 툴도 분명한 한계점을 갖고 있다. 가상 주행 해석 툴은 자율주행 시스템의 성능을 테스트하기 위한 가상 주행 환경을 구성하는데, 이 가상 환경은 실제 도로 환경과 유사하다고 해도, 완전히 동일하다고 할 수 없다.


예를 들어 날씨나 조명등의 변화에 따라 센서나 카메라의 성능이 저하되거나, 역광으로 인한 블랙아웃과 같은 예기치 못한 상황이 발생할 수 있기 때문이다. 또한 실제 도로 환경은 다양한 교통 상황, 기상 조건, 장애물, 사람의 행동 등으로 복잡하고 예측하기가 어려운 상황이 발생할 수 있기 때문이다.13


따라서, 가상 해석 툴은 실제 물리현상을 모사하는 것이므로 하드웨어를 이용한 테스트와의 비교와 Correlation을 통해 유효성을 검증해야 하며 이런 과정을 충분히 거치면서 신뢰도를 높여야 한다. 이러한 신뢰성은 실제 물리현상을 더 정확하고 상세하게 모델링하며, 계산 오차를 줄이고, 해석의 안정성을 보장하는 방법의 발전을 통하여 향상될 수 있다.14 


또한 다양한 목적과 조건에 적응할 수 있는 유연하고, 확장 가능한 도로 환경 및 주행 모델링과 사용자 인터페이스를 통해 범용성의 확대가 이루어져야 할 것이다. 앞으로 자율 주행 가상 해석 툴의 신뢰성 향상과 범용성 확대, 그리고 혁신적인 발전이 계속된다면, 가까운 미래에 자율 주행차의 개발에서 많은 도로 주행 시험을 가상 주행 해석으로 대체 할 수 있을 것으로 예상해 본다.


<참고자료>

1. CNBC, Cruise robotaxis now run all day in San Francisco, with public access after 10 p.m., https://www.cnbc.com/2023/04/25/cruise-robotaxis-now-run-24-7-in-san-francisco-public-access-at-night.html

2. SPRi–소프트웨어정책연구소, 자율주행자동차 시장 및 정책 동향, https://spri.kr/posts/view/21830?code=industry_trend

3. IRS Global, [신소재/부품] 자동차(자율주행차) 센서 동향과 시장규모, https://www.irsglobal.com/bbs/rwdboard/18611

4. 더구루, 2030년 글로벌 자율주행차 시장 ‘1986조원’ 성장 전망, https://theguru.co.kr/mobile/article.html?no=55668

5. 자율주행 자동차 기술개발 동향 - Korea Science, https://koreascience.kr/article/CFKO201714956118904.pdf.

6. SCIENCEON, 테스트베드 구축 및 운영기술 연구, 한국교통안전공단, https://scienceon.kisti.re.kr/srch/selectPORSrchReport.do?cn=TRKO202000005369

7. Daily News, AEB 의무화 전 차종으로 확대, https://www.autoelectronics.co.kr/article/articleView.asp?idx=4528

8. dSPACE, https://www.dspace.com/en/inc/home.cfm

9. CarMaker, https://ipg-automotive.com/en/company/research-teaching/

10. PreScan, https://plm.sw.siemens.com/en-US/simcenter/autonomous-vehicle-solutions/prescan/

11. NVDIA, Omniverse 기반의 NVDIA DRIVE Sim, https://www.nvidia.com/ko-kr/self-driving-cars/simulation

12. 연합뉴스TV, 일주일 만에 멈춘 폭우… 모레까지 폭염, 주말 다시 비, https://n.news.naver.com/article/422/0000609730?sid=103

13. 자율주행차와 인공지능, https://www.autoelectronics.co.kr/article/articleView.asp?idx=2114

14. SCIENCEON, 강화 학습 기반의 딥 러닝을 이용한 자율주행 시뮬레이션에 관한 연구, https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=DIKO0014708315


* 출처: 한국자동차공학회 제공, 오토저널 2023년 11월호


주소: (03157) 서울특별시 종로구 종로 19, 9층 914호(종로1가, 르메이에르 종로타운)
이메일: kaja@kaja.org 
Copyright 2019 KAJA(한국자동차기자협회). All rights reserved