온로드 자율주행차(AV)는 보행자 감지, 끼어들기, 합류, 교차로 등의 상황에 대한 판단을 해야 하는 어려움이 있습니다. 오프로드 AV는 그외에 추가적인 어려움에 직면합니다. 오프로드 AV의 경우 지도로 표시되거나 포장된 도로에서 주행하는 것이 아니기 때문에, 주행 가능한 지형을 성공적으로 감지해야 하고 울퉁불퉁한 지형에 대처해야 하며 때로는 전복을 피할 수 있어야 합니다. 시뮬레이션에서 오프로드 AV를 테스트하고 검증할 때 개발 팀은 정확한 차량-지형 상호 작용 모델링, 특히 서스펜션 모델링을 통해 이러한 문제를 해결할 수 있습니다.
본 블로그 게시물은 다양한 오프로드 시뮬레이션 사용 사례에서 서스펜션 모델이 하는 역할에 대해 설명합니다. 이 주제로 들어가기 전에 먼저 오프로드 자율주행 사용 사례의 3가지 예시와 이 예시에서 시뮬레이션이 어떻게 사용되는지 알아봅니다.
오프로드 시뮬레이션 사용 사례
방산
미국 의회 조사국(Congressional Research Service)에 따르면 2006년 이후 미군 내 현역병 2,723명이 해외비상작전 (Overseas Contingency Operations) 중에 사망한 반면, 그 이외의 작전에서 차량 관련 사고로 사망한 현역병도 2,146명이나 되었습니다. 따라서 자율주행은 군사 훈련과 작전을 보다 안전하게 수행하는 데 중요한 역할을 할 수 있습니다.
자율주행은 무인 지상 차량(UGV)과 같은 오프로드 자율 지상 차량부터 자율 항공기 및 인공 지능(AI) 사용 사례를 위한 합성 데이터 생성에 이르기까지 방위 산업에서 광범위한 역할을 합니다. 특히 오프로드 자율 지상 차량의 경우 시뮬레이션은 인지(그림 1) 및 예측부터 계획 및 제어에 이르기까지 전체 스택을 개발, 테스트 및 검증하는 데 도움이 될 수 있습니다.
농업
농업 분야에서 오토 스티어(auto-steer)와 같은 기능은 10년 이상 일반적인 기능이었습니다. 그러나 완전 자율 농업 차량이 인기를 끌기 시작했습니다. 자율 농업 차량의 예시로는 자율 경운기, 콤바인 수확기, 곡물 카트, 묘목 식재 및 살포 기계가 있습니다. 시뮬레이션은 가상 밭 및 작물 모델링, 가상 차량 모델링 및 인지 개발을 지원하여 이러한 사용 사례(그림 2)를 위한 완전 자율 시스템을 개발하는 데 도움을 줍니다.
건설 및 광업
건설 및 광업 산업은 굴착, 드릴링, 폭파 및 운반과 같은 다양한 사용 사례에서 자율 시스템을 사용합니다. 시뮬레이션은 각 사용 사례에 대해 다양한 3D 환경에서 카메라, 라이다 및 레이더와 같은 센서 모델을 개발 및 테스트하고, 현장에서 사람을 감지하고 피하도록 인지 알고리즘을 훈련하고, 다중 에이전트 시나리오에서 예측, 계획 및 제어를 시뮬레이션하는 데 도움이 됩니다.
오프로드 시뮬레이션에서 서스펜션 모델의 중요성
오프로드 차량은 울퉁불퉁한 지형에 대처해야 하는 경우가 많기 때문에 오프로드 시뮬레이션에서 서스펜션 모델은 매우 중요합니다. 차량의 서스펜션을 고려하지 않고 시뮬레이션을 하는 경우 실제 세계를 완전히 대표하지 못하게 될 수 있습니다. 특히, 오프로드 차량의 서스펜션을 시뮬레이션하는 것은 2가지 주요 성능에 영향을 가져옵니다.
1. AV의 인지 성능에 미치는 영향
서스펜션을 올바르게 시뮬레이션하지 않는 경우 인지 알고리즘에 미치는 영향을 연구하기 어렵게 됩니다. 인지 스택은 견고해야 하며 AV의 서스펜션에 의해 유도되는 추가 동작을 처리해야 하기 때문에 이러한 효과를 연구하는 것은 매우 중요합니다.
a. 피치(pitch) 및 롤(roll)
울퉁불퉁한 지형에서 주행할 때 오프로드 AV의 서스펜션은 차량에 부착된 센서의 출력에 영향을 미치는 피칭 및 롤링 동작에 영향을 주게 됩니다(그림 3). 차량이 앞으로 쏠리는 경우(즉, 앞으로 피치) 전면 카메라는 차량 바로 앞의 지면만 볼 수 있습니다. 차량이 뒤로 쏠리는 경우(즉, 뒤로 피치) 카메라는 차량에서 멀리 떨어진 하늘이나 주변 환경만 볼 수 있습니다. 이런 식으로 카메라 뷰가 변하는 경우 전방 카메라가 다른 액터나 객체를 실제보다 더 가깝거나 멀리 있는 것으로 해석할 수 있기 때문에 차량의 객체 감지 알고리즘 출력에 영향을 줄 수 있습니다.
b. 센서 보정
AV의 서스펜션은 다양한 센서의 뷰 및 출력에 영향을 미치기 때문에, AV 스택이 다양한 차량 모델에 배포되는지 여부에 따라 1개의 특정 서스펜션 시스템 또는 다양한 서스펜션 시스템을 지원할 수 있도록 이러한 센서를 보정해야 합니다. 예를 들어, 서로 다른 오프로드 자율 방어 차량은 동일한 AV 스택을 사용하면서도 서로 다른 서스펜션 시스템을 사용할 수 있습니다.
c. 액터 동작 해석
AV 차량의 자체 서스펜션 외에도 다른 액터의 차량 서스펜션 역시 AV의 인지 성능에 중요합니다. AV 인지 스택의 머신 러닝 알고리즘은 액터의 서스펜션 움직임을 기반으로 다른 액터의 동작을 더 정확하게 해석할 수 있습니다. 예를 들어, 많은 인지 시스템은 액터의 피치를 관찰함으로써 AV 앞에 있는 액터가 감속하고 있다는 것을 학습합니다. AV가 다른 액터 후방의 근접 거리에서 주행하는 중 해당 액터가 브레이크를 밟고 갑자기 멈춘 경우(그림 4) AV는 액터의 전방 피치를 기반으로 이 동작을 더 빠르게 감지할 수 있습니다.
AV 개발 팀은 시뮬레이션 도구의 정확한 서스펜션 모델을 통해 센서 움직임 및 출력부터 정확한 센서 보정 및 액터 동작의 정확한 해석에 이르기까지 언급된 모든 효과를 정확하게 처리할 수 있도록 AV의 인지 알고리즘을 훈련시킬 수 있습니다
2. AV의 로컬라이제이션 성능에 미치는 영향
서스펜션 시뮬레이션으로 인해 개선된 정확도는 AV의 로컬라이제이션 성능을 개선하는 데도 도움이 될 수 있습니다. AV의 서스펜션은 차량의 진동을 유발하여 관성 측정 장치(IMU) 데이터에 노이즈를 일으켜 로컬라이제이션 시스템의 정확도를 떨어뜨릴 수 있습니다. 서스펜션이 통합된 시뮬레이션은 서스펜션의 진동 모드가 IMU 데이터에 미치는 영향을 시뮬레이션할 수 있기 때문에 IMU 데이터에서 이러한 노이즈를 제거하는 필터를 설계하기 위한 테스트베드를 제공하여 AV의 로컬라이제이션 정확도를 향상시킬 수 있습니다.
서스펜션 모델 구축에 대한 접근 방식: 다양한 수준의 충실도
시뮬레이션 도구용 서스펜션 모델을 구축하는 다양한 접근 방법으로는 쿼터카(quarter-car), 하프카(half-car), 풀카(full-car), 멀티 바디(multi-body) 및 유한 요소 모델이 있습니다. 쿼터카 서스펜션 모델은 복잡성이 낮고 충실도가 낮은 반면 유한 요소 모델은 복잡성이 가장 높고 충실도가 높습니다.
언뜻 보기에는 서스펜션 모델의 충실도가 더 높을수록 더 정확한 시뮬레이션이 가능한 것처럼 보일 수 있습니다. 그러나 항상 그런 것은 아닙니다. 충실도가 높은 모델에는 3가지 중요한 트레이드오프가 존재합니다. 첫째, 충실도가 높은 서스펜션 모델을 규정하는 다수의 매개변수를 추정하는 것이 어렵습니다. 둘째, 충실도가 높은 모델을 실행하기 위해서는 상당한 컴퓨팅 성능이 필요합니다. 셋째, 실제 해당 뉘앙스를 캡처하는 데 추가적인 이점이 없기 때문에 일부 유형의 충실도는 시뮬레이션 도구에 유용성을 더하지 않습니다. 예를 들어, 오프로드 또는 온로드 AV 시뮬레이션에서 차량의 피칭 및 롤링 동작의 정확성을 보장하기 위해 타이어 또는 차량 섀시의 변형을 고려할 필요는 없습니다.
Applied Intuition의 제안
Applied Intuition는 모델을 최대한 단순하게 유지하면서 피치 및 롤과 같은 차량 서스펜션의 자유도를 정확하게 캡처할 수 있는 정도의 충실도 수준으로 시뮬레이션 도구 Object Sim*을 구축했습니다.
Applied Intuition 팀은 Object Sim의 서스펜션 모델의 일부를 기초부터 구축했습니다. 다른 부분의 경우, 팀은 시스템에 포함된 세부 연결의 모델링 없이 차량의 서스펜션을 추상적 질량 스프링 댐퍼 시스템으로 모델링하는 오픈 소스 소프트웨어를 활용했습니다. 이 접근 방식은 성능이 뛰어나며 AV의 서스펜션으로 인해 발생하는 전체 피치 및 롤을 캡처할 수 있습니다. 서스펜션 시스템의 실제 연결을 모델링하는 경우 충실도는 약간 개선할 수 있지만 시뮬레이션 속도가 느려지게 됩니다. 차량 서스펜션 시스템 자체를 설계하는 경우 연결을 모델링하는 것이 도움이 되지만 오프로드 및 온로드 AV 시뮬레이션의 경우 그 이점은 미비해집니다.
Applied Intuition의 차량 서스펜션 모델을 사용하지 않는 경우에도 개발 팀은 전체 차량 모델을 가져오기 하여 자체 서스펜션 모델을 Object Sim으로 가져올 수 있습니다. Object Sim의 차량 서스펜션 모델에 대해 더 자세히 알아보시려면 제품 데모를 요청하십시오.
본 블로그에서 논의된 것과 같은 AV 시뮬레이션 문제를 해결하는 것에 관심이 있으시다면 Applied Intuition 엔지니어링 팀에 지원하십시오.
*참고: 과거 Object Sim은 Simian으로 명명 되었습니다.
.webp)
.webp)
