자율주행자동차 성능향상을 위한 인공지능 플랫폼 기술개발 동향 짱이네

글로벌 오토뉴스 기사 발췌.

>

4차 산업 혁명 시대가 도래함에 따라서 다양한 미래 지향의 기술이 각광 받고 있으며 이런 다양한 기술 중에서도 특히 자율 주행 자동차에 대한 관심이 뜨겁다. 이는 자동차와 ICT가 융합돼 기존에 단순한 이동수단이었던 자동차가 열린 공간이동체라는 새로운 가치를 갖게 되면서 자율주행자동차가 사회적 산업적으로 다양한 가치를 창출할 것으로 기대하는 것이 크기 때문이다. 이러한 사회적 흐름에 따라 국가, 대기업, 대학 등 다양한 주체에서 자율주행을 위한 다양한 기술에 대한 조사를 진행하고 있으며, 특히 최근 각광받고 있는 인공지능을 기반으로 한 조사가 활발히 진행되고 있다. 또한 자동차라는 공간에서 다양한 기술을 쉽고 효율적으로 구동하기 위해 인공지능 Platform에 대한 조사도 매우 활발하게 이루어지고 있습니다. 본 글에서는 자율주행차 조사를 위한 인공지능 Platform 기술개발 동향을 소개한다.

>

자율 주행 자동차는 자동차가 스스로 인식 판단, 제어를 통해서 운전자 개입 없이 자신의 안전 주행을 하는 자동차로 4차 산업 혁명과 ICT융합에 대한 관 심이 높은 아용토 니시, 이에 대한 연구가 활발하다. 자율주행차는 운전자의 편의를 증대시킬 미래의 교통수단으로 주목받고 있어 미래산업시장에서 큰 파급효과를 가져올 것으로 예상된다. 최근에는 딥러닝과 영상센서, 그리고 GPU의 발달로 인공지능 기반의 자율주행 연구가 각광받고 있다. 특히 딥러닝 기반의 영상인식기술은 남들보다 높은 인식률을 보여주기 때문에 자율주행자동차 인식처리에서 딥러닝은 갈수록 중요해지고 있어 자율주행자동차의 상업화를 가속화하고 있다. 그러나 딥러닝 기반의 인식은 높은 연산 복잡도를 요구하고, 고비용과 고사양의 하드웨어를 필요로 한다는 단점을 갖는다. ​ 1반 적으로 디플러 닌 기반 데이터 처리 시 일대 혹시는 복수의 고사양 컴퓨터와 GPU을 이용하고 있는데, 이것은 매우 큰 전력을 소모하고 차지하는 면적 역시한 많이 높다. 따라서 한정된 전력과 공간 안에서 여러 개의 결합된 시스템이 동작하는 자동차에서 딥러닝 기반의 인식처리를 사용하기 위해서는 저전력 딥러닝 전용 소형 하드웨어가 필수적이다. 이에 따라 최근 여러 회사에서 자율주행 자동차용 인공지능 Platform 개발 연구가 활발히 진행되고 있다. 인공지능 플랫폼(Platform)이란, 기초가 되는 틀도 나름의 것이며, IT업계에서는 주로 각종 서비스의 기반이 되는 하드웨어 자신의 소프트웨어 환경을 내용으로 합니다. 따라서 자율주행 자동차를 위한 인공지능 Platform은 인공지능 기반의 인식 처리를 자동차 시스템 환경에서 쉽게 작동시키기 위한 '공간'으로 볼 수 있다. 본장에서는 다양한 인공지능 Platform에 대해 소개하고자 합니다.​ ● Nvidia의 Drive PX<그림 1>에서 보듯이 Nvidia에서는 자율 주행을 위한 인공 지능 Platform의 Drive PX2를 출시했고 해당 Platform에서 여러대의 카메라나 센서로 공급하는 데이터를 심층 신경망으로 처리할 수 있다.

>

Drive PX2에는 성능과 소비 전력의 Trade-off를 고려하고 칩 구성에 의해서 Auto-cruise, Auto-chauffeur그리고 Autonomous driving등 다양한 Platform이 있다. 가장 적은 전력 소모로 동작하는 Auto-cruise모듈의 경우 단일 프로세서로 구성되며 심층 신경망을 한 0W의 전력 소비망에서 구동할 수 있는 가장 고성능을 공급하는 Autonomous driving모듈의 경우 2개의 모바일 프로세서와 2개의 개별 GPU로 구성되어 초당 24조번의 고속 병렬 연산 능력을 갖는다. ​ Nvidia는 이런 Drive PX2가 장착된 최초의 시리즈 차량으로<그림 2>의 테슬라 모델 S를 세계적인 IT쇼 CES 20일 7에서 전시했으며 현재는 이 회사뿐 아니라 벤츠, 돈 세디 등 여러 자동차 회사에서도 Drive PX2를 활용하고 인공 지능에 기반한 자율 주행 자동차 시스템을 개발하고 있다. 이처럼 인공지능 Platform은 자율주행 자동차에 필수로 활용될 전망이었다.​ ● Mobileye의 EyeQ Mobileye에서 발매된 EyeQ날부터 EyeQ3칩들은 첨단 운전 지원 시스템(ADAS)을 지원하는 칩으로 차량, 보행자 도로 경계 등 다양한 물체를 인식하게 대처하고 신호등이나 교통 표지판 등을 인지하고 처리하는 알고리즘을 내장하고 Vector Microcode Processor를 탑재하고 벡터 연산을 척척 처리합니다. 이들 칩은 이미 전 세계 여러 자동차 업체의 고급차 모델에 탑재됐으며 현대차의 제네시스 모델도 채용하고 있다.

>

EyeQ4칩은 EyeQ3보다 8배, 자신의 높은 컴퓨팅 성능을 자랑, Level 3자율 주행 시스템을 지원하도록 설계됐다. 레이더나 라이더 외에도 8개 이상의 카메라 센서로 처리된 데이터를 처리할 수 있는 용량을 갖고 3~5W에서만 매초 2.5조의 작업을 처리합니다.2020년에는 Level 4~5의 자율 주행을 지원할 수 있는 EyeQ5칩의 개발을 결심하고 있다. <그림 3>에 제시된 이 칩은 23 TOPs(Trillion Operations per Second)의 성능으로 초당 23조 번 명령을 하나 0W의 전력 소비망에서 처리할 것으로 예상하고 있다.​ ● Toshiba의 자율 주행을 위한 키위, 인식·프로세서<그림 4>에 제시된 Toshiba의 키위, 인식 프로세서 TMPV7608은 8개의 MPE(Media Processing Engines)과 다양한 키위, 처리 가속기를 통합하고 기존 제품보다 한살 0배의 처리 성능 향상을 달성했다. 이 칩은 최대 8개 키위, 인식 응용 프로그램을 병렬로 실행할 수 있으며 266.7MHz의 Clock주파수에서 50ms내에 보행자와 차량을 동시에 인식할 수 있다.Horizon Robotics의 Journey 하나.0 China의 큰 기업도 이런 인공 지능 Platform개발에 나섰다. China, 스타트 업의 Horizon Robotics는<그림 5>의 지능형 주행 차량을 위한 인공 지능형 프로세서 Journey한가지.0을 발표했다. 이 프로세서는 자동차가 보행자, 자동차 교통 신호, 차선, 표지 및 기타 유형의 타깃을 시기 적절하게 자동적으로 인식하고 모니터링할 수 있도록 설계되었으며, 1개.5W정도의 전력으로 200개의 물체를 동시에 인식할 수 있다. 모든 인식 처리는 Full HD(하나 920×하나 080)해상도의 영상을 30 FPS(Frame per Second)에서 실테테로우으로 처리합니다.

>

● TI의 Vision AccelerationPac&TDA3x SoC TI의 Vision AccelerationPac은 Programmable가속기에서 자동차, 본인 로봇 등 빠르고 처리가 필요한 어플리케이션에서 널리 사용된다. <그림 6>의 Vision AccelerationPac은 하봉잉 이상의 EVE(Embedded Vision Engines)가 내장되어 있으며, Programmability과 오전은 Latency처리 그리고 높은 전력 효율을 갖는다. EVE에는 32-bit애플리케이션 특화 프로세서(ARP32)와 베크 터키 프로세서를 하나씩 갖고 있기 때문에 오전은 Overhead에 병렬 처리가 가능하다.

>

<그림 7>은 제시된 TDA3x SoC(System on Chip)은 저렇게 Vision AccelerationPac와 DSP, 메모리, Interface그리고 프로세서 등으로 구성됐으며 ADAS의 요구 사항을 충족시킬 수 있는 고도로 최적화되고 확장 가능한 장치였다 이 칩은 전·후방 카메라와 서라운드 뷰, 레이더, 카메라 밀러 시스템 및 운전자 모니터링 등 광범위한 ADAS애플리케이션을 구현할 수 있으며 Full HD연산 루루 60 FPS로 처리할 수 있다.​ ● Intel의 Arria 10GX FPGA FPGA(Field Programmable Gate Arrays)칩은 GPU보다 확장성이 뛰어나고 저전력으로 동작이 가능하다는 장점을 갖기 때문에 이를 GPU가속기처럼 활용하고 인공 지능 관련 서비스의 성능과 효율성을 높이는데 사용되고 있다. Intel의 자율 주행을 위한 자동차용 Arria 10 FPGA<그림 8>은 Intel의 Atom프로세서 또는 Xeon프로세서로 결합되면서 융합 및 의사 결정을 포함한 각종 자동화된 운전 기능을 수행할 수 있는 컴퓨팅 자원을 제공하는 것이다. ● Xilinx의 FPGA Xilinx는 인공 지능 기반 알고리즘 및 애플리케이션 개발을 위한 플랫폼을 제공할 것이다. <그림 9>의 Virtex UltraScale+FPGA VCU1525가 인공 지능 처리와 같은 계산 집약적인 애플리케이션을 노리고 개발된 키트에 21 TOPs의 성능을 보이며 다양한 프레임워크, 라이브러리와 개발도 Xilinx는 인공 지능 기준 알고리즘 및 애플리케이션 개발을 위한 플랫폼을 제공하는 것이다. <그림 9>의 Virtex UltraScale+FPGA VCU1525가 인공 지능 처리와 같은 계산 집약적인 애플리케이션을 노리고 개발된 키트에 21 TOPs의 성능을 보이며 다양한 프레임워크, 라이브러리와 개발 툴을 제공하는 것이다.

>

<표일>은 지금까지 소개된 인공지능 Platform을 비교한 것이었다. 전력소모와 성능 사이의 트레이드오프를 가지는 것을 볼 수 있어 복수의 메이커가 계속해 관련 연구를 진행시키고 있는 것부터, 향후 인공지능 Platform의 성능과 효율성이 계속해 향상하는 것이 기대된다. 최근 자동운전 자동차 산업이 발달하고 전통적인 자동차 전문 제조업체와 자율주행의 핵심기술을 개발하는 여러 ICT 작은 기업이 융합하여 자동차 산업을 급격하게 발전시키고 있다. 해외의 경우 Nvidia와 벤츠, Mobileye와 BMW가 협력해 자율주행차 개발을 진행하고 있으며 그 밖에 구글, 아이플, 우버, 바이두, 폴크스바겐, 돈샌디, 도요타, 테슬라 등 여러 회사에서도 활발한 연구가 진행되고 있다. 국내에서는 네이버, 현대·기아자동차 등이 자율주행자동차를 연구·개발하고 있으며, 국가 차원에서도 신사업으로 자율주행자동차 산업에 대한 흥미와 지원을 아끼지 않는다. 현재는 Level 3수준에 머물고 있는 자율 주행이지만, 이런 사회적 분위기에 힘입어 향후 Level 4,5레벨의 완전한 자율 주행이 가능하게 되는 시대가 올것이며 이것을 가속화하기 위해서도 인공 지능 Platform의 많은 발전이 이뤄져야 한다. 향상된 인공지능 platform 상에서 다양한 기업이 자율주행 연구를 용이하게 할 수 있으며, 그 결과 우수한 연구결과를 바탕으로 언젠가는 자동차가 단순한 이동수단이 아닌 열린 공간이동체가 되기를 기대한다. 글/김 현(서울대)출처/오토 저널 20일 8년 6월호(http://www.ksae.org)