자율주행차를 대규모로 개발, 출시하기 위해서는 적합한 기술 인프라를 보유해야 한다. 자율주행차를 생산하기 위해서는 고성능 컴퓨팅 능력과 강력한 사이버 보안 기능, 그리고 머신러닝, 주행 테스트 등과 관련해 방대한 데이터 세트를 관리할 수 있는 능력이 필요하다. 이러한 이유로 많은 조직들이 클라우드 인프라의 안정성, 확장가능성, 보안성 등 클라우드가 제공하는 수많은 이점들을 활용하고 있다.

글｜김일호, AWS 솔루션즈 아키텍트 매니저



자율주행차는 우리가 이전보다 더 안전하고, 더 똑똑하고, 더 효율적으로 운전할 수 있게 해줄 것이다. 무선 로컬 네트워크 형태로 제공되는 인터넷 연결을 통해 자율주행차들은 다른 자율주행차 그리고 주변환경과 상호 소통할 수 있다. 또 차들이 서로 거리를 두도록 조율하고 동시에 브레이크 기능을 실행해 차 사고를 방지하는 기능도 있다. 자율주행차에는 보다 안전한 주행 경험을 제공하기 위한 차선 보조(lane Assist), 충돌 방지(Collision Avoidance), 응급 서비스 자동 연락(Automatic Calls to Emergency Services) 등의 기능들이 포함된다. 일부 자율주행차 브랜드는 자동화 수준을 더 높여, 근처 인프라 그리고 보행자와도 통신할 수 있는 기능을 제공해 자동화가 사회에 어떻게 보탬이 될 수 있는지에 대한 새로운 관점을 제시한다.

자율주행차를 대규모로 개발, 출시하기 위해서는 적합한 기술 인프라를 보유해야 한다. 자율주행차를 생산하기 위해서는 고성능 컴퓨팅 능력과 강력한 사이버 보안 기능, 그리고 방대한 데이터 세트를 관리할 수 있는 능력이 필요하다. 이러한 이유로 많은 조직들이 클라우드 인프라의 안정성, 확장가능성, 보안성 등 클라우드가 제공하는 수많은 이점들을 활용하고 있다.


학습과 테스트      

자율주행차 제조사들은 인간보다 더 안전하게 주행하는 차량을 만들기 위해 노력하고 있다. 이 꿈을 이루기 위해서는 광범위한 모델링과 테스트가 필요하다. 데이터 수집, 저장, 관리할 수 있는 능력, 그리고 고급 머신러닝 기술이 필수적이다. 토요타 연구소(Toyota Research Institute, TRI)는 자율주행차를 정확하게 훈련하기 위해서는 수조 마일에 달하는 테스트가 필요하다고 보고 있다. 이를 위해 TRI는 라이더 센서가 부착된 테스트 차량들을 통해 데이터를 기록하며, 날마다 신속한 검색과 분석이 필요한 테라바이트 수준의 데이터를 수집하고 있다. TRI는 AWS 서비스를 활용해 이 데이터를 관리하고, 머신러닝 모델을 빠르게 학습시키기 위해 필요한 프로세싱 성능을 사용한다.

TRI는 클라우드 인프라를 이용해 필요에 따라 연산 및 저장 리소스를 확대하고, 이를 관리 및 조율 서비스와 결합할 수 있는 능력을 갖추게 됐다. TRI는 이제 차량 모델을 재훈련하고, 정확도를 높이고, 새로운 기능을 더 빠르게 도입하고 있다. 점차 더 많은 자동차 기업들이 이와 비슷한 사업 모델을 따라, 더 안전한 차량을 더 빠르게 개발하게 될 것이다.


엣지 컴퓨팅의 부상 

자율주행차가 데이터에 기반해 결정을 더 빠르게 내릴 수 있다면 우리는 더 안전하게 주행할 수 있을 것이다. 그러기 위해서는 짧은 지연시간과 높은 가용성을 갖춘 안정적인 인프라가 뒷받침돼야 한다. 그 외에도 도로 상태, 날씨, 다른 차량의 움직임에 관한 데이터 등의 정보를 실시간으로 분석해야 한다. 자율주행차에 AI를 적용하면 도로 상황에 빠르고 안전하게 대처할 수 있다.

이 핵심적인 차내 기술은 엣지 컴퓨팅을 통해 차내 데이터 크런칭(data crunching)을 실행할 수 있다. 단 1초의 시간 지연으로 자율주행차가 안전하거나 위험한 방법으로 대응할 수 있기 때문에, 자율주행차는 데이터가 클라우드에서 처리되는 동안 기다릴 여유가 없다. 따라서 기업들은 통합적인 에지 솔루션을 갖춘 클라우드 서비스 제공업체를 물색해야 한다. 이를 통해 데이터가 생성되는 곳에서 미션 크리티컬(mission-critical)한 데이터를 분석하고, 클라우드에 추가적인 데이터를 전송하는데 드는 비용을 절감할 수 있다.


클라우드 보안    

안전성을 강조하는 자율주행차 개발 시, 사이버 보안 중요성이 커진다. 개별 차량은 보호되어야 할 새로운 엔드포인트가 된다. 해커나 악성코드가 운전 제어장치나 각 차량에 사용되는 데이터에 접근할 수 없도록 차량을 보호하는 것이 최우선 과제가 되어야 한다.

자율주행차 제조업체들은 커넥티드 카를 지원, 운영하기 위해 클라우드로 눈을 돌리고 있다. 클라우드 서비스 제공업체의 역할은 사이버 보안 관련 업데이트와 업그레이드가 정기적으로 이뤄지도록 하는 것이다. 또, 최고의 클라우드 서비스 제공업체들은 보안 평가, 위협 감지, 정책 관리 등의 작업을 능동적으로 관리하기 위해 머신러닝이 적용된 자동화된 보안 서비스들을 제공한다. 제조업체들은 이러한 보안기능을 적용함으로써, 운전자가 입을 수 있는 피해를 줄이고 해킹 발생 가능성을 낮추는 새로운 취약점 및 위협 감지 솔루션을 확보했다고 할 수 있다.


커넥티드 카, 클라우드 및 보안

미래는 자율주행차 세상이 될 것이다. 하지만 자율주행차 보급률을 높이려면, 자율주행차 제조업체들은 자율주행차의 안전성, 이를 뒷받침하는 탄탄한 인프라를 확보해야 한다. 또 조직들이 IT 인프라를 관리하는 것이 아니라 차별화된 주행경험을 개발하는데 조직의 자원을 집중할 수 있도록, 적절한 클라우드 서비스 제공업체를 선정하는 것이 매우 중요하다.

AWS는 이를 감안해 자율주행차 개발 및 출시를 지원하는 통합 서비스 제품군을 제공하고 있다. AWS는 첨단 운전자 지원 시스템(ADAS)과 자율주행차 개발 및 출시를 지원하는 통합 서비스 제품군을 제공한다. AWS는 거의 한계가 없는 저장 및 컴퓨트 성능을 제공해 아파치 MXNet(Apache MXNet), 텐서플로우(TensorFlow), 파이토치(PyTorch) 등 딥러닝 프레임워크가 알고리즘 훈련과 테스팅 속도를 가속할 수 있도록 지원한다. AWS 그린그래스(AWS Greengrass)는 로컬 규칙과 차내 상황을 실시간 처리하고, 동시에 클라우드에 데이터를 전송하는데 드는 비용을 최소화할 수 있는 머신러닝 추론 기능들을 갖춘 엣지 컴퓨팅을 제공한다. 확장 가능한 저장 및 컴퓨트 성능에 딥러닝 프레임워크 지원 기능까지 추가돼 테스트 및 서비스 개발 속도를 가속화한다. 동시에, AWS의 애자일(agile) 플랫폼은 기업들이 혁신을 가속화하고, 보안 상태를 개선하고, IT 비용을 낮출 수 있도록 지원한다. 

 

TRI Platform 4 Test Vehicle 

AEM_Automotive Electronics Magazine