Toyota - ADAS의 가상 주행 시험장 구축 사례

매끈한 흰색 Toyota^® SUV 프로토타입이 일본 Aichi에 있는 자동차 제조업체의 기술 본사에서 엄격한 테스트 주행을 준비하고 있습니다. 엔지니어들은 로봇 운전자가 구불구불한 도로에서 ADAS(첨단 운전자 보조 시스템)를 비롯한 차량의 주행성과 성능을 정확하게 평가할 수 있도록 장비를 설치했습니다.

실제로 이 시승에서는 구불구불한 도로만이 ADAS 및 기타 동적 기능을 평가하기 위해 설계된 정교한 VILS(Vehicle-in-the-Loop)였습니다. 대형 외부 스크린에서 3차원 장면이 표시되고, 실시간 운전 시뮬레이터는 이에 상응하는 동작, 진동, 소리를 생성했습니다. 라이다 및 카메라를 비롯한 센서는 실시간 피드백을 제공했습니다.

Toyota의 VILS인 ADAS-RCS(첨단 운전자 보조 시스템 실제 차량 시뮬레이터)는 섀시 동력계와 연동 시뮬레이션 블록을 통해 실제와 가상 세계를 연결합니다. 로봇들은 수 시간 동안 주행하면서 핵심 성과 지표에 잠재적인 약점이 있는지 검사합니다. 그런 다음 인공 지능이 이러한 약점을 해결하기 위해 결과에 따라 목표를 설정합니다.

“이 시뮬레이터의 주요 특징은 한 번에 다기능 평가를 수행할 수 있는 능력입니다.” Toyota에서 MBD XILS(모델 기반 개발 X-in-the-Loop 시뮬레이션) 그룹의 차량 성능 개발 엔지니어이자 모델 기반 설계 플랫폼 그룹에서도 근무하는 Daiki Miyata의 말입니다. 그의 팀은 집중적인 시뮬레이션을 통해 차량 개발 프로세스를 간소화하기 위해 노력하고 있습니다. 목표는 린 차량 개발을 달성하는 것입니다.

Toyota의 ADAS-RCS의 현실적인 환경을 통해 자동차 제조업체의 실제 트랙에서는 제공되지 않는 복잡한 노면에서 테스트할 수 있습니다. 하지만 3차원 도로 데이터 모델을 개발하려면 상당한 시간과 노력이 필요합니다. 팀은 MATLAB^® 및 RoadRunner를 사용해 실제 현장 외부 주행 조건을 재현했습니다.

가장 큰 기술적 과제는 시야가 가려지는 곡선 구간이 있다는 것이었습니다. 전통적인 수동 장면 생성 과정에서는 3차원 도로를 만드는 작업이 매우 힘들었으며 경로당 6개월 이상이 소요되었습니다. 또한, 이러한 경로들은 Model-in-the-Loop 및 Software-in-the-Loop 시뮬레이터를 비롯한 Toyota의 다른 시뮬레이터에서는 작동하지 않습니다.

“Toyota에는 다양한 시뮬레이터가 있기 때문에 종류마다 재사용할 수 없는 장면을 준비하면 막대한 비용이 발생합니다.”라고 Miyata는 말합니다. 팀에는 더 빠르고 효율적인 접근 방식이 필요했습니다.

Miyata는 Toyota에서 차량 성능 엔지니어로 일하기 시작했을 때 차량의 편안함을 개선하는 일을 담당했습니다. 그는 엔진 소음을 테스트하는 방법을 개발하면서 MATLAB에 대해 알게 되었습니다. “저는 신호 처리에 대한 이해를 더욱 넓힐 수 있었습니다,”라고 그는 회상했습니다. "MATLAB과 툴박스 덕분에 제가 정말 하고 싶은 일에 집중할 수 있었습니다."

그는 MBD XILS 그룹의 시뮬레이션 벤치를 위한 3차원 주행 경로를 생성하기 위해 MATLAB 및 RoadRunner를 선택했습니다. 팀은 도로 생성 단계에서 ZENRIN^® DataCom 표준 정의 지도 세그먼트에서 위도, 경도, 고도 데이터를 가져오는 것으로 시작했습니다.

Miyata의 MATLAB 사용 경험은 도로 경로 생성에 필요하지만 지루한 데이터 전처리(포인트 스무딩과 곡선 피팅 등)를 자동화하고, 도로 경사를 생성하는 방법을 고안하는 데 도움을 주었습니다. 그 후 Miyata는 Automated Driving Toolbox™의 주행 시나리오 디자이너 앱을 사용해 지도 데이터를 OpenDRIVE^® 형식으로 변환했습니다.

“주행 시나리오 디자이너 앱은 편리했고, 예상보다 더 빠르게 원하는 작업을 할 수 있었습니다.”라고 그는 말합니다.

실제에 바탕을 둔 주변 환경 생성

문제는 특정 지점의 누락된 고도 데이터였던 것으로 밝혀졌습니다. 수치 표고 데이터는 일본 국토지리원에서 제공한 것으로, 이 기관은 국가 측량과 지도작성을 수행합니다. 하지만, 사용 중이던 타사 툴이 선택된 지도 구역의 강에서 -9,999의 고도를 표시했습니다. Miyata는 해결책을 찾기 위해 MATLAB을 선택했습니다.

그의 팀은 고도와 영상 데이터를 결합하고 이를 RoadRunner를 위한 모자이크 방식으로 합쳐진 GeoTIFF 형식으로 변환하는 툴을 만들었습니다. 새로운 고도 데이터가 준비되자, Miyata는 RoadRunner 그래픽 사용자 인터페이스에서 특정 지도 영역에 집중했습니다. 그는 이미지를 지면으로 끌어다 놓고 적합성을 확인한 다음 OpenDRIVE 도로 데이터를 추가했습니다. 몇 번의 간단한 클릭만으로 그는 점선을 추가해 도로를 두 차선으로 만들고, 약간의 수정 작업을 거쳐 고도 정보를 붙여넣었습니다.

“RoadRunner 그래픽 사용자 인터페이스는 직관적입니다.”라고 Miyata는 말합니다. “이처럼 까다로운 상황에도 쉽게 조정할 수 있습니다.”

마지막 단계는 RoadRunner Scenario에서 비디오 재생을 통해 도로 생성을 확인하는 것이었습니다. 한 버튼을 누르면 차량 주변을 드론처럼 360도로 볼 수 있는 오버헤드 뷰가 제공되었고, 또 다른 버튼을 누르면 팀이 운전자의 시점에서 도로를 볼 수 있었습니다. 이번에는 ADAS-RCS가 경사 지역과 기복이 있는 산 풍경을 정확하게 포착했습니다. 더 이상 떠다니지 않았습니다. 굴곡진 지형에 명암과 세부 묘사를 더하니 더욱 현실감 있는 환경이 만들어졌습니다.

“RoadRunner가 없었다면 가상 경로들을 만드는 데 엄청난 시간과 노력이 들었을 것입니다.”라고 Miyata는 말합니다. Miyata는 그의 팀이 유사한 운전 시나리오를 만드는 데 최소 6개월까지 걸릴 것으로 추정합니다.

린 차량 개발 확장

MATLAB EXPO Japan에서 발표하는 동안, Miyata는 개발 확장에 대해 논의했습니다. 그는 MATLAB 라이브 스크립트, 앱 디자이너, 그리고 MATLAB Compiler™가 여러 사용자가 지리 정보 시스템 데이터를 처리할 수 있도록 코드를 배포하는 데 어떻게 도움이 되는지 강조했습니다. 그는 Git™을 사용하면 버전 컨트롤이 가능하고 사용자 요구에 따라 맞춤화할 수 있다고 말했습니다. 라이브 스크립트는 JupyterLab과 같은 환경에서 이해하기 쉬운 매뉴얼을 작성할 수 있게 해주었고, 사용자 친화적인 앱 배포를 가능하게 했습니다.

Expo 이후 그의 팀은 무료로 편집 가능한 글로벌 지도 OpenStreetMap^®을 사용하여 시뮬레이터의 기능을 확장하고, 직사각형 두부 블록을 본떠 "두부 자산"이라고 불리는 단순한 건물을 재현했습니다. Toyota는 정밀 자산을 생성하는 데 특화된 부서도 보유하고 있습니다. Miyata는 ADAS-RCS 이니셔티브가 이 자원을 활용할 새로운 방법을 모색하도록 영감을 주었다고 말합니다.

ADAS-RCS를 활용한 공도 주행 평가의 선행 실시가 아직 검증 단계에 있지만, Miyata와 그의 동료들은 궁극적으로 시운전 소요 기간을 약 70% 단축할 수 있을 것으로 기대하고 있습니다.

이 그룹의 향후 계획에는 현장에서 포인트 클라우드 데이터를 이용해 AI로 RoadRunner에 건물 자산을 자동으로 분류 및 배치하는 것이 포함되어 있습니다. 혼합 현실 기술도 연구되고 있습니다.

“게다가 우리는 상당한 진전을 이루었고 RoadRunner Scenario를 사용해 실제 교통 흐름을 통합하는 데 성공했습니다,”라고 Miyata는 말합니다. “현실적인 시뮬레이션 환경 없이는 ADAS를 철저하게 테스트할 수 없습니다.”

팀은 시뮬레이션 환경을 위한 디지털 자산을 구축하는 과정에서 많은 어려운 사례를 해결했습니다. 유용하고 사용하기 쉬운 툴을 갖추는 것이 필수적이었습니다.

"디지털 자산을 효과적으로 활용할 수 있다면 ADAS-RCS와 XILS의 수준이 한층 높아질 것으로 기대합니다."라고 그는 계속합니다. "이를 툴체인으로 구축하는 것이 가능해져 전체 차량 개발 프로세스가 개선될 것입니다."