AVEAS 연구 프로젝트에는 20개 파트너사가 참여해 중대한 교통 시나리오의 시뮬레이션을 보조하는 데이터를 추가한다.

Porsche Engineering이 중대한 상황(critical situation)에서 자율주행 시스템의 반응을 시뮬레이션할 수 있는 데이터를 향상하기 위한 새로운 연구 프로젝트에서 여러 파트너사들과 협업을 진행한다. Porsche Engineering은 ‘검증과 관련된 교통 상황 수집, 분석, 시뮬레이션’이라는 의미의 독일어를 축약한 AVEAS 프로젝트에서 “AI를 이용해 센서 데이터에서 중대한 교통 상황을 자동으로 감지하고 시뮬레이션을 데이터베이스에 저장하는 기술을 개발”하기 위해 협력하고 있다며, “이러한 방식으로 다양한 경로 모델과 교통 상황을 생성해 가상 검증을 위한 테스트 케이스(test case)를 늘리고자 한다”고 밝혔다. 

전 세계 도로에서 주행 시나리오가 거의 무한대로 발생할 수 있는 가운데 자율주행 시스템 또는 센서가 적절하고 안전하게 수행할 수 있는 능력을 종합적으로 검증하려면 시뮬레이션이 필수적이라고 널리 인정되고 있다. 그러나 Porsche Engineering은 실제 주행에서는 ‘중대한 교통 상황’ 데이터를 수집하기 어렵다는 점을 시뮬레이션의 문제로 꼽았으며, 이러한 데이터가 확보된다면 시뮬레이션을 통해 다양하게 변형된 상황을 안전하게 실행할 수 있을 것이라고 말했다. 동 기업은 보도자료에서 “일반적인 교통 상황에서는 한계 상황(marginal situation)이 매우 드물게 발생한다”고 밝혔다.

Porsche Engineering은 실제 시험 주행을 자동으로 평가하는 것을 목표로 삼았다. 기초 데이터를 이용해 중대한 교통 상황을 시뮬레이션 시나리오로 만든다. 예컨대 엔지니어들은 차량간 거리를 좁히면서 위험도(criticality)를 구체적으로 높일 수 있다.

Porsche Engineering의 AI 및 빅데이터 책임자 Joachim Schaper와 시뮬레이션 책임자 Tile Karoline Rupp는 성명을 통해 “운전자 보조 시스템과 고도의 자율주행 기능을 검증하기 위해 중대한 위험 시나리오로 구성된 완전한 카탈로그를 구축하고 있다”고 밝혔다.

◆ Porsche, 시험 주행에 JUPITER 시험 차량 사용

Porsche Engineering은 연구 프로젝트의 여러 핵심 요소에 기여하고 있다고 밝혔다. 핵심 센서 데이터를 수집하기 위한 실제 시험 주행에 JUPITER(Joint User Personalized Integrated Testing and Engineering Resource, 합동 이용자 맞춤형 테스트 및 엔지니어링 리소스) 시험 차량을 사용하고 있다. JUPITER 차량에는 카메라, 레이더, 라이다 센서가 탑재되며, 이러한 인식 장치에서 얻은 데이터를 클라우드로 전달한다. 알고리즘이 도로와 다른 도로 이용자의 위치 및 거동을 기록하므로, Porsche Engineering은 데이터 수집 평가도 관리한다. 동 기업은 이러한 머신러닝 방식을 “꾸준히 다듬고 있다”고 말했다.

AI가 보완하는 시스템은 기존의 시뮬레이션이 제공할 수 없었던 ‘예측’ 수준을 더한다. Porsche Engineering의 영상 인식 전문가인 박사 후보생(doctoral candiate) Leon Eisemann은 “현재 도로 이용자가 트럭 뒤에 가려지는 등 장시간 보이지 않더라도 계속 인식할 수 있는 방법을 개발하고 있다”고 말했다.

기록된 교통 사건은 ASAM OpenDRIVE(도로 네트워크에 관한 논리적 설명) 또는 ASAM OpenLABEL(개체 및 역학) 등의 표준 파일 형식으로 저장된다. Porsche Engineering은 “그러므로 AVEAS가 경로 모델링 등 다른 프로젝트에도 입력 데이터를 제공할 수 있다”고 말했다. 두 번째 단계로 알고리즘이 예컨대 간격(clearance)이 짧거나 감속력(deceleration force)이 비정상적으로 강한 상황 등에 집중해 중대한 교통 상황을 선택한다.

◆ 경로 설명

관련된 중대한 시나리오의 예시로는 정체된 도로에 서 있는 차량의 후미를 충돌하는 상황을 방지하기 위해 적응형 순항 제어(adaptive cruise control) 기능의 반응을 검증하는 과정이 될 수 있다. 환경 요소도 중대한 시나리오를 유발할 수 있다. 예컨대 차량이 터널을 빠져나올 때 갑자기 들어오는 빛 때문에 차량 실내 카메라의 시인성이 방해를 받을 수 있다.

Porsche는 주행 보조 기능의 안전을 확보하기 위해 AVEAS의 선택 알고리즘이 이러한 교통 상황도 강조한다고 말한다. 자율주행차가 속도를 줄이거나 터널을 빠져나올 때 다른 센서 입력을 우선 적용하는 등 사람 운전자와 같이 적극적인 반응을 보이는 것이 이상적이다. 먼저 시뮬레이션 가능한 주행 시나리오는 시간의 흐름에 따라 도로 이용자들에게서 수집한 위치 데이터로 구성되며, 전문가들은 이를 ‘경로 기반(trajectory-based) 설명’이라고 한다.

가상 시험은 PEVATeC SimFramework(Porsche Engineering 가상 ADAS 시험 센터 시뮬레이션 체계)라는 자체 개발된 시뮬레이션 환경에서 진행된다. 실제 주행을 재구성 및 시뮬레이션하고 구체적인 수정을 거친 후 재생한다. 이 모든 과정이 디지털 세계에서 이루어진다. Rupp는 “시나리오 샘플링이라고 알려진 개념으로서 중대한 실제 상황을 체계적으로 수정하여 가상 검증 테스트 공간을 인공적으로 확장하는 것”이라고 설명했다.

실제 및 가상 시험 주행을 일관적으로 진행하려면 상당한 ‘경험’이 필요하며, 그 중 대다수는 반드시 실제 세계에서 얻어야 한다. Schaper는 “실제 기술과 시뮬레이션의 관계를 깊이 이해하는 것이 필요하다”고 강조한다. Porsche 측은 2021년 12월에 출범한 이 프로젝트에서 이미 첫 결과를 내고 있다고 말한다. Porsche Engineering의 AVEAS 프로젝트 참여를 조율하는 Michael Strobelt는 “프로세스 체인(process chain)에 많은 연결고리가 존재하고, 시험 주행을 진행 중이며, 일부 특허를 이미 신청한 상태”라고 설명했다.