이미 비즈니스 인프라의 거의 모든 측면에서 없어서는 안 될 존재가 된 클라우드 컴퓨팅은, 소프트웨어 정의 차량(SDV)의 개발 및 배포에 있어서도 필수적인 요소로 자리 잡았습니다. 선도적인 퍼블릭 클라우드 제공업체인 아마존 웹 서비스 (AWS 클라우드)는 첨단 운전자 보조 시스템(ADAS), 자율 주행, 차량 관리, 머신 러닝/딥러닝( AI/ML), 차량 데이터 관리 등 자동차 산업의 요구에 맞춤화된 클라우드 서비스를 제공함으로써 자동차 업계에서 선도적인 역할을 수행해 왔습니다. 또한 커넥티드 카의 다양한 측면을 아우르는 컴퓨팅, 데이터 관리, 차량 프로토타이핑 등 폭넓은 서비스를 제공하고 있습니다.
클라우드 역시 우리에게 매우 중요합니다. Sonatus 는 당사 제품의 이러한 기능을 최대한 활용하는 클라우드 소프트웨어를 제공합니다. 이 블로그에서는 클라우드가 자동차 기업에 왜 그토록 중요한지, 특히 AWS가 커넥티드 모빌리티 분야를 선도하고 있는 몇 가지 사례를 설명해 드리겠습니다.
클라우드 컴퓨팅
클라우드 컴퓨팅의 가장 근본적인 이점 중 하나는 변화하는 수요에 따라 컴퓨팅 성능을 유연하게 확장할 수 있다는 점이며, 이를 바탕으로 AWS의 컴퓨팅 서비스, 특히 EC2(Elastic Compute Cloud)와 EKS(Elastic Kubernetes Service)가 등장했습니다. 비즈니스 요구 사항에 따라 컴퓨팅 인스턴스를 신속하게(필요한 경우 거의 즉시) 활성화하여 가동할 수 있으며, 사용하지 않을 때는 자본 비용이나 운영 비용을 발생시키지 않습니다. 이는 기업에게 매우 강력한 도구이며, 기업이 AWS 클라우드를 활용하는 방식을 변화시켰습니다.
두 번째로, 이와 동등한 가치를 지닌 이점은 광범위한 연산, 스토리지, 메모리 및 특수 처리 기능을 제공하는 놀라울 정도로 다양한 컴퓨팅 인스턴스 유형입니다. 차량에서 Arm 기반 컴퓨팅으로의 전환이 가속화되고 있는 가운데, AWS 인프라는 Arm 기반의 AWS Graviton 프로세서를 탑재한 고성능 컴퓨팅 인스턴스를 제공하여 차량과 클라우드 간의 “환경적 동등성”을 실현합니다.
Sonatus Sonatus 차량 플랫폼을 기반으로 하는 제품들은 Amazon EC2와 Amazon EKS를 기반으로 하며, 쿠버네티스(Kubernetes) 및 컨테이너화된 워크로드를 비롯한 다양한 AWS 솔루션을 활용하여 구축된 차량 내 소프트웨어와 이에 대응하는 클라우드 소프트웨어로 구성됩니다.
클라우드 데이터 관리
차량 연결성을 통해 생성되는 데이터의 양이 급증함에 따라, 자동차 업계가 이를 수집, 저장, 업로드 및 관리하는 일이 점점 더 복잡해지고 있습니다. 제한적인 차량 원격 측정 및 센서 데이터는 이미 한동안 존재해 왔지만, 소프트웨어 정의 차량(SDV)의 경우 더 많은 차량 시스템이 디지털화되고 연결됨에 따라 데이터 신호가 급속히 증가하고 있습니다. 게다가 비디오 카메라, 레이더, 라이다(LiDAR)와 같은 풍부한 데이터 소스의 확산으로 더 진보된 기능을 제공하게 되었지만, 그 과정에서 생성되는 데이터 양도 상당히 늘어나고 있습니다. 선도적인 자동차 OEM 기업들은 이러한 데이터를 활용하여 통합된 ‘데이터 레이크’를 구축하고 있습니다. 이를 통해 조직 전반에서 다양한 방식으로 쿼리할 수 있는 단일 신뢰 소스(single source of truth)를 형성함으로써, 의사 결정에 지능을 더하고 일관성을 보장하고 있습니다.
차량 내 시스템에서 데이터를 수집하면 새로운 비즈니스 모델을 창출하는 것을 비롯해 다양한 이점을 얻을 수 있습니다. 다음은 차량과 클라우드 간의 연결을 통해 혜택을 얻을 수 있는 수많은 흥미로운 차량 데이터 활용 사례 중 극히 일부입니다:
- 안전 모니터링
- 고장 진단
- 예측 분석 / 예측 정비
- 지속적인 구성 요소 최적화
- 효율 최적화
- 차량 이용 현황 분석
- 미래 차량 계획
- 차량과 신호등과 같은 도로 인프라 간의 통신 (V2I)
- 주변의 다른 차량 간 통신 (V2V)
차량에서 가치 있고 신중하게 선별된 데이터를 수집하는 역량을 강화하는 것은 매우 중요합니다. ‘Sonatus Collector’는 현재 상용화되어 OEM 고객사를 위해 유용한 데이터베이스를 구축하고 있으며, 이를 통해 고객사는 실제 문제를 해결하고 고객 가치를 높일 수 있습니다. Collector는 다양한 유형의 데이터를 확장 가능하게 저장하여 폭넓은 자동차 솔루션을 구현할 수 있도록 지원하는 AWS 데이터 저장 서비스와 완벽하게 상호 보완됩니다.
차량 가상 시제품 제작
클라우드의 또 다른 중요한 활용 분야는 신속한 프로토타이핑입니다. 차량용 소프트웨어는 서로 밀접하게 연동된 여러 시스템이 있는 심층 임베디드 환경에서 개발되기 때문에 개발이 까다롭습니다. 게다가 시장 출시 시한에 대한 압박이 만연해 있기 때문에, 하드웨어와 병행하여 소프트웨어를 개발할 수 있다면 매우 큰 이점이 됩니다. 이를 소프트웨어 개발 단계를 개발 주기의 더 이른 시점으로 앞당기는 것을 의미하여, 때로는 ‘시프트 레프트(shift left)’라고 부르기도 합니다.
차량과 호환되는 아키텍처를 갖춘 클라우드 인스턴스를 제공하면, 클라우드에서 개발한 후 차량에 배포할 수 있게 되어 개발자의 효율성을 크게 높이고 시장 출시 기간을 단축할 수 있습니다. 또한 이러한 설계 방식은 서로 다른 지역별 요구 사항을 다루고 있는 여러 지역의 팀 간 협업을 촉진할 수 있습니다. 실제로 하드웨어 설계 단계에서도 가상 프로토타이핑과 소프트웨어 개발을 수행할 수 있게 해줍니다.
역량이 뛰어난 팀들은 하드웨어가 완성되기 전에 이 접근 방식을 활용해 디버깅을 수행하며, 이는 시장 출시 기간을 대폭 단축하고 버그 수정을 위한 하드웨어 반복 주기를 줄이는 데 효과적임이 입증되었습니다. 또한 OEM들이 단일 고정 기능을 수행하는 전용 ECU에서 벗어나, 하이퍼바이저와 가상화를 통해 관리되는 다중 코어가 병렬로 배치된 통합 아키텍처로 차량 아키텍처를 점차 전환하고 있는 만큼, 이러한 프로토타이핑 접근 방식은 추가적인 이점도 제공합니다. 이러한 설계 방식은 확장성이 뛰어나고 검증하기 쉬우며, 프로토타이핑은 물론 향후 차량에 대한 양산 배포 단계에서도 클라우드의 전문성과 잘 부합합니다.
Sonatus AWS를 활용하여 자체 작업의 시제품을 제작함으로써, 물리적 하드웨어를 복제하거나 테스트를 재시작하기 위해 반복적으로 전원을 껐다 켰다 할 필요 없이 실행할 수 있는 테스트 케이스의 수를 늘리고 있습니다.
AI / 머신러닝 및 데이터 분석
설득력 있는 데이터 세트를 확보하고 이를 확장 가능하고 유연한 컴퓨팅 인프라와 결합하면, 이전에는 결코 불가능했던 놀라운 데이터 분석이 가능해집니다. 여기에 머신러닝(ML) 역량의 급속한 확장이 더해지면 데이터에 대해 훨씬 더 심도 있는 질문을 던질 수 있게 됩니다. ML 알고리즘은 지속적으로 진화하고 개선되고 있으며, 클라우드 컴퓨팅 방식을 통해 클라우드에서 모델을 신속하게 훈련시킬 수 있습니다. 특히 업계가 ADAS 및 자율 주행을 위한 ML 기반 모델 개발에 주력함에 따라, 클라우드 모델을 차량에 점진적으로 배포하고 피드백을 반영함으로써 새로운 모델이 성능 저하를 초래하지 않도록 보장할 수 있습니다.
ML의 또 다른 강점은 기존 방식으로는 코딩하기 어려웠던 패턴과 이상 현상을 탐지할 수 있다는 점입니다. 수많은 차량의 데이터를 분석하면 조기 경보 신호가 될 수 있는 패턴이 드러날 수 있습니다. 예를 들어, 스마트 데이터 수집과 ML을 결합하면 이상 현상을 선제적으로 탐지하고, 위험한 리콜 사태로 번지기 전에 시정 조치를 취할 수 있도록 해당 사항을 표시할 수 있습니다. Sonatus OEM 고객사들은 이미 ‘ Sonatus Collector’를 활용하여 문제를 예측하고, 고객의 서비스 요구에 더 효과적으로 대응하고 있습니다.
ADAS 및 자율 주행
ADAS와 그보다 더 고성능인 자율주행차의 등장은 상당한 수준의 모델링과 튜닝을 필요로 하며, 클라우드는 이러한 발전과 확장 가능한 지능형 교통 시스템 구축에 있어 핵심적인 역할을 합니다. 특히 자율주행 수준이 높아질수록 이러한 작업의 복잡성은 아무리 강조해도 지나치지 않으며, 클라우드 컴퓨팅과 점진적인 모델 개선을 통해서만 자동차 산업 전반에 걸쳐 이러한 기능을 빠르게 향상시킬 수 있습니다.
첫째, 자동차 제조사들은 셀룰러 네트워크를 통해 커넥티드 카의 데이터를 수집·축적하여 실제 주행 상황을 대표할 수 있는 데이터베이스를 구축함으로써, 인식 및 행동 모델을 훈련시킬 수 있습니다. 이 접근 방식의 이점은 여기서 그치지 않습니다. 대부분의 경우, 일반적인 주행은 ‘지루한’ 과정이며 한 번의 주행당 어려운 상황이 발생하는 빈도는 매우 적기 때문입니다. 시뮬레이션 환경에서는 특수한 사례를 인위적으로 가속화된 속도로 재현할 수 있어, 실제 도로상의 차량만을 기반으로 훈련하는 것에 비해 훨씬 더 빠른 훈련 진전을 이룰 수 있습니다. ‘ Sonatus ’ 차량 플랫폼을 활용하면 풍부한 데이터를 수집하여 ADAS 및 자율주행의 지속적인 개선에 필요한 중요한 분석을 지원할 수 있으며, 이는 이 중요한 업무를 수행하는 엔지니어들에게 새로운 강력한 도구를 제공하게 됩니다.
CES 2024에서 커넥티드 카 솔루션( Sonatus )과 AWS는 차량이 보행자를 감지하지 못한 경우와 같이, 원격 차량 진단을 통해 도로 안전성을 향상시키는 방안을 시연했습니다. 우리는 ‘ Sonatus Collector’가 탑재된 커넥티드 차량이 해당 오류에 대한 데이터를 실시간으로 클라우드에 전송하는 방식을 시연했습니다. 데이터가 클라우드로 전송되면 AWS는 고성능 ML 분석 도구인 ‘Rekognition’은 물론, 차량의 제조 데이터 및 현재 소프트웨어·하드웨어 버전 정보 등 다양한 데이터 소스를 실시간으로 통합할 수 있습니다. 이러한 통합 접근 방식을 통해 차량이 보행자 기계 학습 모델의 취약점, 카메라 하드웨어 문제 또는 차량 내 다른 장치 문제 등으로 인해 충돌 경고를 발령하지 못한 원인을 신속하게 파악하여 문제를 빠르게 해결할 수 있습니다.
The Garage 팟캐스트에서 더 자세히 알아보세요
이 주제가 흥미로우셨다면, 더 많은 내용을 알아보실 수 있습니다. 저는 최근 저희 팟캐스트 ‘ The Garage ’를 위해 AWS의 소프트웨어 정의 차량(SDV) 부문 글로벌 기술 리더인 스테파노 마르자니(Stefano Marzani)와 2부에 걸쳐 긴 대화를 나눴습니다. 이 폭넓은 토론( 1부 및 2부 링크)에서 우리는 위에서 언급한 모든 주제를 놀라울 정도로 상세하게 다뤘습니다. 이 주제에 대해 더 자세히 알아보고, SDV 분야에서 업계 최고의 전문가 중 한 분의 이야기를 듣고 싶으시다면, 이 두 에피소드를 꼭 들어보세요. ‘ The Garage ’ 팟캐스트의 전체 에피소드는 YouTube, Spotify 또는 Apple Podcasts에서 확인하실 수 있습니다. 향후 에피소드 업데이트를 받아보시려면 구독을 잊지 마세요!