◆ 자율주행에만 AI가 활용되는 것은 아니다

현재 자동차에 대한 AI 활용은 주로 자율주행 분야에서 각광을 받고 있다. 자동차 메이커들은 특히 차량 주변의 인식부터 판단, 조작까지 AI가 담당하는 “End to End(E2E)”의 자율주행 개발에 힘을 쏟고 있다.

▲ BYD의 EV 《SEAL》. BYD를 비롯한 중국 스타트업은 신형차 개발기간이 짧다. 
게다가 최신 기술을 속속 탑재하고 있다.

AI는 자율주행에만 활용되지 않는다. AI를 사용한 차량 개발이 주목을 받고 있다. 앞서 설명한 것처럼 개발기간의 단축이 목적이다. 실제로 AI를 사용한 차량 개발 기술을 자동차 메이커에 제공하고 있는 것이 바로 호주의 엔지니어링 회사 AVL이다. AVL의 차량 개발 기술로는 차량 콘셉트를 개발하는 단계부터 설계 및 검증까지 AI를 활용한다.

콘셉트 개발에서는 우선 차량의 형식과 항속거리, 가속 등의 성능, 품질을 결정하여 고객의 타깃층을 결정한다. 그 후 파워트레인과 샤시, 바디 등 각각의 개발팀과 비용과 실현 가능성 등을 반복해서 논의하면서 차량의 콘셉트를 확립해 나간다.

검증 요소의 범위가 광대한데가, 각각의 팀에서 다른 검토가 필요하기 때문이 시간이 많이 걸린다. 일반적으로는 개발 초기단계부터 고객 타깃층/차량 콘셉트의 합의까지 6~9개월이 소요된다고 한다. 이에 AVL은 차량 콘셉트를 일괄 검증하는 시뮬레이션 툴을 개발했다.

특징은 각각의 검토 요소를 AI로 상호 접속함으로써 일괄 검증이 가능하다는 점이다. 해당 일괄 검증을 통해 콘셉트의 검토기간을 단축할 수 있다. 타카하시 킨조(高橋欣三) AVL Japan 파워트레인 엔지니어링 사업부 Japan Technical 센터장은 “신속하게 고객의 기대 및 요청을 차량 콘셉트에 반영할 수 있다”고 설명했다.

AVL은 그동안 수많은 자동차 메이커와 시뮬레이션과 실증기기 테스트를 진행해왔다. 타카하시 센터장은 “방대한 데이터를 AI에 검증시키고 있다”고 밝혔다.

예를 들어 AVL의 시뮬레이션 툴로 EV의 배터리 성능을 검증할 경우, 배터리 용량(Usable Battery Energy)을 변경하면 항속거리와 충돌 안전성, 온도, 운전성능의 값도 달라진다. 타카하시 센터장은 AI를 사용함으로써 “전체를 부감한 최적의 값을 바로 산출할 수 있다”고 설명했다.

핸들링 성능을 검증할 경우, 바디나 샤시, 타이어, 파워트레인 등 25개의 파라미터에서 30만개의 시뮬레이션을 0.01초 만에 실행할 수 있다.

  
▲ 배터리의 성능을 AVL의 시뮬레이션 툴로 검증한 모습. 
배터리 용량(Usable Battery Energy)의 값을 바꾸면, 
항속거리(WLTC)나 충돌안전성(Crash) 등의 값도 동시에 변화한다. 
각각의 개발팀이 담당했던 분석을 AI에게 맡길 수 있다.

특히 AI를 사용한 차량 개발에서 “고객(자동차 메이커)의 주목도가 높은 부분이 바로 전기자동차(EV)와 하이브리드 자동차(HEV)의 배터리”라고 한다. 기존 방식은 정밀도가 98%인 것에 반해 AI를 사용한 시뮬레이션 툴은 96%로 약간 감소했다. 타카하시 센터장은 “콘셉트 단계에서는 문제가 없는 정도”라고 설명했다. 차량 콘셉트의 평가기간은 3주에서 10분 정도로 단축할 수 있다. 해당 시뮬레이션은 Hyundai가 EV 개발에 이미 도입하고 있다.

AVL에서는 가상 테스트에도 AI를 도입하여 테스트 요건이나 적합 태스크를 생성한다. AVL Japan ITS 사업본부 소프트웨어 사업부의 아키마쓰 진(秋松仁)사업부장은 “실제기기로는 진행하기 어려운 위험한 환경에서의 테스트도 가상으로 측정할 수 있다. 개발 효율을 높일 수 있다”고 설명했다.

◆ Toyota와 Mazda가 실천

일본 자동차 메이커에서도 조금씩 차량 개발에서 AI 활용을 늘리고 있다. Mazda는 그동안 개발 효율을 개선하는 방법으로 모델 베이스 개발을 적용해왔다.

종이 사양서 대신 시뮬레이션으로 제어하는 흐름을 반복하여 검증하고 시스템 전체를 실제 차량으로 검증하는 개발 방법이다. 실제 기기를 여러 번 다시 제작해서 시행착오를 거치는 번거로움을 줄일 수 있다. 해당 모델 베이스 개발에 AI를 조합함으로써 더욱 효율화 한다. Mazda에 따르면 “모델 베이스 개발과 AI는 조합이 좋다”고 한다.

Mazda는 2020년 11월, AI 개발을 담당하는 스타트업 영국 Secondmind와 제휴를 맺었다. 2022년 2월에는 차세대 “SKYACTIV”엔진을 제어하는 ECU의 캘리브레이션(파라미터의 최적화) 공정에 Secondmind의 파워트레인용 기계학습 기술을 적용하고 있다. 해당 공정의 개발 효율을 기존 대비 2배로 높일 수 있다고 한다. 2021년 11월에는 제휴 영역을 확대하고 엔진 개발에 그치지 않고 차량 설계 개발의 시스템 엔지니어링과 검증 프로세스를 지원하는 솔루션 연구 개발과 양산 적용을 중심으로 연계하고 있다.

Toyota도 차량 개발의 AI 활용에 적극적이다. Toyota는 Microsoft의 기술을 활용한 AI 에전트 “O-Beya”를 개발했다. O-Beya는 숙련된 기술자의 지혜와 노하우를 AI가 데이터로 축적한다.

사용자가 질문하면 축적한 데이터에서 필요한 정보를 추출해서 다수의 에이전트 및 분야에서 동시에 대답한다. Microsoft의 보도자료에 따르면 엔진이나 배터리, 타이어, 배기가스 등 폭넓은 전문영역의 노하우가 필요한 파워트레인 개발부문에서 활용되고 있다고 한다. 젊은 세대로의 계승과 개발 속도 개선이 목표다.

Toyota의 미국 연구소인 Toyota Research Institute(TRI)는 차량 디자인을 지원하는 생성형 AI 기술을 발표했다. 예를 들어 디자이너가 시험제작차량의 스케치에 “Smart”, “SUV 느낌”, “Modern” 등의 특정 스타일 특성을 요구하면, AI가 공력성능을 최적화한 디자인 예시를 생성한다. 디자이너는 해당 디자인 예시를 시판 차량 개발에 참고한다고 한다.

  
▲ 생성형 AI를 사용한 디자인 제작 예시. 공력 저항을 최적화한 디자인 예시를 생성한다.

이처럼 일본 자동차 메이커도 차량개발에 AI를 활용하기 시작했다. 앞으로 일본 자동차 메이커는 개발의 일부에 그치지 않고 개발 프로세스 전반을 대담하게 디지털화해 나갈 필요가 있을 것이다. 실제 기기를 사용한 평가 및 개발을 줄임으로써 개발기간을 단축할 수 있으며, 나날이 변화하는 자동차 업계의 흐름에 대응할 수 있다.