자율 주행차의 성능은 센서 시스템의 적절한 구성 및 최적화에 크게 의존합니다. 이를 효과적으로 수행하려면 전통적으로 방대한 양의 실제 데이터가 필요했습니다. AV elevate ™를 출시하면서 rFpro는 개발자가 시뮬레이션에서 자동 주행 구성 요소와 전체 시스템을 튜닝, 훈련 및 테스트할 수 있는 포괄적인 플랫폼을 도입했습니다. 3부작 시리즈의 첫 번째 부분에서 rFpro의 기술 책임자인 Matt Daley 와 함께 AV elevate가 센서 튜닝 프로세스를 어떻게 변화시키고 있는지 알아보았습니다.
질문: 우선, 센서 시스템에서 튜닝이란 정확히 무엇을 의미합니까?
Matt: 여기서 살펴보는 튜닝에는 두 가지 주요 유형이 있습니다. 첫째, 시스템 수준 튜닝은 지각 시스템에 공급하는 센서의 유형, 위치 및 방향을 고려하는 것입니다. 이는 높은 수준에서 센서가 완전한 패키지로 어떻게 함께 작동할지 결정하는 기본적인 작업입니다. 둘째, 개별 구성 요소 튜닝은 특정 주행 조건에 따라 최상의 데이터를 캡처하기 위해 각 센서의 설정을 최적화하는 것입니다.
질문: 어떤 유형의 센서를 조정할 수 있나요?
Matt: 모든 주요 AV 인식 센서 유형은 AV elevate에서 조정 및 개발될 수 있습니다. 카메라와 레이더부터 LiDAR와 초음파까지. AV elevate의 동기식 아키텍처는 여러 센서의 데이터가 시간적으로 완벽하게 정렬되도록 보장하여 센서 융합 테스트를 통해 여러 센서가 조화롭게 함께 작동하는지 확인할 수 있습니다.
질문: 구체적으로 센서의 어떤 특성을 조정해야 합니까?
Matt: 다양한 센서 유형에는 개발자가 최적화해야 할 수백 가지의 센서 설정이 있습니다. 카메라의 경우 디지털 게인, 화이트 밸런스를 조정하거나 노출 타이밍을 제어하는 것이 포함될 수 있습니다. LiDAR 및 레이더의 경우 시야, 감도 및 범위와 같은 매개변수를 조정하여 처리 칩이 물체를 얼마나 멀리 찾을지 정의할 수 있습니다. 회전 LiDAR를 사용하면 초당 회전 수를 조정할 수 있습니다.
궁극적으로 센서 모델을 구성하는 모든 다양한 측면은 AV elevate에서 최적화될 수 있습니다. 카메라가 종종 가장 많은 관심을 받는 반면, AV elevate는 센서 유형 전반에 걸쳐 포괄적인 튜닝 기능을 제공합니다.
질문: 시뮬레이션 튜닝, 특히 AV 엘리베이트를 사용하는 것이 기존 방법보다 더 유리한 점은 무엇입니까?
Matt: 반복 속도가 혁신적입니다. 시뮬레이션에서 변경을 하고 테스트에서 즉시 닫힌 루프 효과를 볼 수 있습니다. 현실 세계에서는 적절한 조건이 다시 발생할 때까지 몇 달을 기다려야 할 수도 있고, 물리적 프로토타입이 만들어질 때까지 기다리는 경우 더 오래 걸릴 수도 있습니다. 게다가 확장성 요인이 있습니다. 실제 테스트에서 복제하기 어렵거나 불가능한 광범위한 시나리오와 조건에서 테스트할 수 있습니다.
AV elevate의 주요 장점은 시뮬레이션 데이터의 전례 없는 충실도입니다. 우리는 정확한 모션 블러 재현과 개별 라인별 롤링 셔터 효과를 제공하는 유일한 솔루션입니다. 즉, 노출 타이밍이나 LED 플리커 완화 루틴과 같은 것을 조정할 때 진정으로 대표적인 데이터로 작업하고 있다는 의미입니다.
질문: AV Elevate에서 가치를 얻으려면 자체 세부 센서 모델이 필요합니까?
Matt: 많은 경우, 그렇지 않습니다. AV elevate에는 일반 센서 모델 라이브러리가 제공되며, 상업적으로 판매되는 센서의 다양한 디지털 트윈을 추가할 수 있습니다. 이러한 센서 모델은 실제 데이터와 상관 관계를 맺어 시뮬레이션에서의 성능이 물리적 하드웨어와 거의 일치하도록 했습니다. 이를 통해 스타트업이나 OEM은 일반 센서 세트를 사용하여 최적의 센서 위치, 수량 및 렌즈 커버리지를 결정하는 것과 같은 시스템 수준 설계 작업을 즉시 시작할 수 있습니다.
개발이 진행됨에 따라 이러한 센서를 특정 센서 모델로 대체하거나 특정 사양에 맞게 조정할 수 있습니다. 이를 통해 팀은 특정 하드웨어 결정이나 가용성을 기다리지 않고도 시스템 설계를 즉시 시작할 수 있습니다.
질문: AV Elevate는 자동차 제조업체가 센서 공급업체 변경을 관리하는 데 어떻게 도움이 되나요?
Matt: 이는 OEM에게 중요한 고려 사항입니다. 공급업체를 전환하거나 새로운 센서 설정으로 업그레이드할 때 AV elevate를 사용하면 기존 인식 파이프라인을 사용하여 제어된 방식으로 성능을 벤치마킹하는 동시에 새로운 시스템을 최적화할 수 있습니다. 다양한 센서가 데이터를 처리하는 방식을 평가하고 공급업체 변경의 이점을 전체 시스템 성능에 극대화할 수 있습니다. 이 모든 개발 작업은 물리적 프로토타입이 출시되기 전에 수행할 수 있다는 점에 유의해야 합니다. 즉, 프로그램을 9개월 이상 앞당길 수 있습니다.
질문: 튜닝은 자율주행차 개발의 큰 그림에 어떻게 들어맞나요?
Matt: AV elevate에서 우리가 하는 일은 입증된 엔지니어링 원리를 자율주행차 과제에 적용하는 것입니다. 우리가 모터스포츠 팀이 경주 전에 서스펜션 시스템을 튜닝하도록 도왔던 것처럼, 이제 우리는 AV 개발자가 배포 전에 센서 시스템을 최적화하도록 돕고 있습니다. 철학은 여전히 동일합니다. 작동 조건을 이해하고, 충실도가 높은 물리적 모델을 만들고, 가장 중요한 순간에 시스템이 최상의 성능을 발휘하도록 튜닝하는 것입니다.
이 접근 방식은 전통적으로 자율 주행차 개발의 가장 큰 장벽 중 하나였던 물리적 프로토타입과 실제 데이터 및 테스트에 대한 의존도를 크게 줄입니다. AV elevate를 통해 튜닝 프로세스를 그 어느 때보다 효율적이고 철저하며 비용 효율적으로 만들고 있습니다.
그런 다음 이를 AV elevate의 가장 충실한 합성 교육 데이터를 생성하는 기능과 결합하여 극단적인 시나리오에서 전체 시스템 테스트를 허용함으로써 전체 AV 개발 프로그램에서 고객을 지원하는 단일 시뮬레이션 플랫폼을 구축하여 시뮬레이션에 대한 투자 수익을 극대화합니다.
