이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
지상 자율주행차 검증을 위한 확장 가능한 디지털 엔지니어링 프레임워크 구축
신뢰성 있는 자율주행차 성능을 위한 시나리오 생성 자동화
"우리는 MATLAB 툴을 사용해 완전한 추적성을 갖춘 128개의 실시간 테스트 시나리오를 자동화했으며, 이를 통해 실행 시간을 약 6배 단축하고 검증 시간을 며칠에서 몇 시간으로 줄일 수 있었습니다."
주요 성과
- 실시간 테스트 시나리오 128건에 대한 자동화된 실행으로 기존 1~2일이 소요되던 검증 기간을 7시간 내로 대폭 단축
- 요구사항, 아키텍처 및 테스트 결과 전반에 걸친 완전한 추적성 달성
- 새로운 차량 플랫폼 및 운행설계영역에 적용 가능한 확장 가능한 프레임워크 개발
Tanmay Samak과 Chinmay Samak은 오프로드 자율주행차를 검증하기 위한 유연한 디지털 트윈 프레임워크를 개발했습니다.
매년 허리케인이나 지진 같은 자연재해는 원격 지역에 접근하여 구호 물자를 전달하거나 피해를 평가하기가 어려움을 초래합니다. 오프로드 자율주행차는 이런 문제를 해결할 수 있는 하나의 방안이지만, 이러한 복잡한 사이버 물리 시스템은 복잡한 지형과 열악한 환경 조건을 처리하는 것뿐만 아니라 인지, 계획, 제어에 대한 다양한 알고리즘 옵션 중에서 선택하는 것과 같은 엔지니어링 과제에 직면하게 됩니다. 그 결과, 이러한 차량 개발은 종종 일관성이 부족한 임시 테스트 방식에 의존하게 됩니다.
이를 해결하기 위해 클렘슨 대학교 국제 자동차 연구 센터(CU-ICAR) 산하 자동화, 로보틱스 및 메카트로닉스 연구실(ARMLab)의 연구진은 지상 자율주행 시스템 가상 프로토타이핑(VIPR-GS) 연구 센터 및 미 육군 DEVCOM 지상 차량 시스템 센터(GVSC)와 협력하여 오프로드 환경에서 자율주행차를 검증 및 확인하기 위한 모듈식 디지털 엔지니어링 프레임워크를 개발했습니다.
연구팀은 AutoDRIVE 생태계 내 디지털 트윈 시뮬레이션을 모델 기반 시스템 공학 및 모델 기반 설계 워크플로와 통합했습니다. System Composer™를 사용해 요구사항, 설계 및 테스트 전반에 걸쳐 양방향 추적성을 갖춘 시스템 아키텍처를 정의하고 분석했습니다. 또한 WebSocket 기반 API를 통해 AutoDRIVE가 MATLAB® 및 Simulink®와 연동하여 실시간 데이터 교환 및 자동화된 시나리오 생성을 구현했습니다.
객체 검출을 위한 딥러닝 모델을 계획 및 제어 시스템과 결합하여 인기 기반 제어를 가능하게 했습니다. Variant 관리자 및 Test Manager를 사용해 128개의 고유한 테스트 시나리오를 자동화하였으며, 각 시나리오는 서로 다른 환경 조건과 시스템 구성을 시뮬레이션하였습니다.
그 결과 단 한 번의 클릭으로 실행되는 확장 가능하고 유연한 프레임워크가 탄생했으며, 이 프레임워크는 약 7시간 만에 포괄적인 검증을 수행할 수 있어 기존 1~2일 소요 시간 대비 70~85% 단축 효과를 달성했습니다. 팀은 현재 Hardware-in-the-Loop 테스트와 고성능 컴퓨팅 통합을 통한 기능 확장을 모색하고 있습니다.
