소프트웨어 정의형 컴포넌트 솔루션

서론

산제이: Sonatus 에서 제공하는 팟캐스트 시리즈인 ‘ Driving Innovation ’의 새로운 에피소드에 오신 것을 환영합니다. 이 시리즈에서는 소프트웨어 정의 차량으로의 전환을 가속화하는 기술과 솔루션을 심도 있게 살펴봅니다. 저는 산제이 카트리입니다. 이번 에피소드에서는 최근 발표한 ‘소프트웨어 정의 컴포넌트 솔루션’에 대해 이야기해 보겠습니다.

SDC란 무엇인가요?

SANJAY: 차량이 지속적으로 개선되고 성능이 향상되는 ‘소프트웨어 정의 차량(Software-Defined Vehicles)’이라는 개념은 지난 몇 년간 논의되어 왔습니다. 하지만 이러한 개선은 주로 ADAS 장치나 IVI 장치와 같은 차량 내 일부 장치에 국한되어 왔기 때문에, 차량의 다른 부분들은 같은 수준의 개선과 성능 향상을 누리지 못하고 있습니다. 바로 여기서 ‘소프트웨어 정의 부품 솔루션(Software-Defined Components Solution)’이 등장합니다.

SDC 개요

산제이: 이 솔루션이 어떻게 작동하는지 설명해 드리기 위해, Sonatus 의 CTO이자 공동 창업자인 유팡 씨를 모시겠습니다. 유팡 씨, 이번 에피소드에 출연해 주셔서 감사합니다.

YU: 감사합니다. 이 자리에 오게 되어 기쁩니다.

SANJAY: 그럼 SDC 솔루션에 대해 간략히 설명해 주실 수 있나요?

YU: 네, 물론이죠. 차량은 수많은 구성 요소로 이루어진 종합적인 시스템인데요, 여기서 말하는 구성 요소란 ECU와 같은 하드웨어 구성 요소일 수도 있지만, 애플리케이션이나 심지어 AI 모델과 같은 소프트웨어 구성 요소일 수도 있죠, 그렇죠? 따라서 이러한 구성 요소들은 실제 환경에서 작동하는 동안 지속적으로 모니터링될 수 있습니다. 그리고 해당 구성 요소에 대해 수집한 정보를 바탕으로, 구성 요소가 실행 중인 동안에도 지속적인 개선과 튜닝, 최적화를 적용할 수 있습니다. 이것이 바로 우리가 말하는 ‘소프트웨어 정의 구성 요소’입니다.

실제 데이터 수집

SANJAY: 네. 방금 실제 환경 데이터 수집에 대해 언급하셨는데요. 제 말은, OEM 업체들이 많은 데이터를 수집하고 있다는 건 우리도 잘 알고 있습니다. 그런데 당신이 설명하시는 실시간 또는 실제 환경 데이터 수집 방식은 어떤 점이 다른가요?

YU: 네, 맞아요. 그러니 물론, 모든 1차 협력사와 OEM 업체들은 차량이 출고되기 전에 엄청난 양의 테스트를 진행하고 있죠, 그렇죠? 하지만 다양한 유형의 실제 주행 상황을 모두 테스트로 다 커버할 수는 없다는 점도 우리 모두 잘 알고 있죠. 따라서 실제 도로에서 차량이 운행되고, 실제 운전자가 일상생활에서 그 차량을 사용하는 동안 특정 부품에 대한 정보를 차량으로부터 수집할 수 있는 것이 매우 중요합니다. 이러한 정보는 부품의 실제 성능을 파악하는 데 있어 지극히 중요한 역할을 합니다.

구성 요소 최적화

산제이: 알겠습니다. 그러니까 이건 단순히 시험 주행 트랙에서 수집한 데이터가 아니라, 실제 사람들, 그러니까 평범한 사람들이 각기 다른 장소에서 다양한 주행 조건 하에 운전한 데이터라는 거군요. 정말 훌륭하네요. 그럼 실제 주행 환경에서의 데이터 수집을 마친 후에는 어떤 과정이 이어지나요?

YU: 맞아요. 그래서 오늘날의 차량에는 점점 더 정교해지고 있는 부품들이 많이 있습니다. 즉, 이러한 부품들은 특정 상황에서, 예를 들어 기온이 높거나 낮을 때, 오르막길을 주행할 때와 내리막길을 주행할 때 등 다양한 상황에서 원활하게 작동하도록 최적화할 수 있는 방법이 많습니다. 따라서 구체적인 주행 조건에 따라 부품을 실시간으로 최적화할 수 있는 능력 또한 매우 중요합니다.

주행 조건

SANJAY: 방금 하신 말씀에 대해 좀 더 자세히 여쭤보겠습니다. 다양한 주행 조건에 적응하고, 각 주행 조건에 최적화하는 것에 대해 언급하셨는데요. 구체적인 예로는 어떤 것들이 있나요?

YU: 네, 그런 예가 정말 많아요. 예를 들어, 요즘 모든 차량에는 트랙션 컨트롤이 장착되어 있죠. 하지만 운전하는 도로의 상태나 기상 조건, 그리고 주행 속도 같은 다른 요인들에 따라 트랙션 컨트롤을 세밀하게 조정해야 할 수도 있습니다. 그렇죠? 이것이 한 가지 예시입니다. 또 다른 예로, 요즘 모든 차량에는 여러 대의 카메라가 장착되어 있습니다. 카메라를 사용해 본 사람이라면 누구나 알겠지만, 최고의 사진을 찍기 위해서는 주변의 조명 조건, 낮인지 밤인지 여부, 그리고 그 밖의 여러 가지 요소를 고려해야 합니다. 따라서 태양을 정면으로 향하고 있는지, 태양에서 멀어지고 있는지, 이른 아침인지 늦은 오후인지에 따라 ‘ AI ’ 모델에서 최상의 사진을 얻을 수 있도록 카메라 설정을 동적으로 조정해야 할 수 있습니다.

피드백 루프

SANJAY: 지금까지 보시고 들으신 내용이 마음에 드셨다면, ‘좋아요’와 ‘구독’ 버튼을 눌러 주시면 이와 같은 콘텐츠를 더 많이 받아보실 수 있습니다. 방금 아주 훌륭한 사례들을 소개해 주셨는데요. 이번에 발표하는 ‘소프트웨어 정의 구성 요소(Software-Defined Components) 솔루션’은 이를 어떻게 구현하는 건가요?

YU: 따라서 여기서 핵심은 피드백 루프를 구축하는 것이며, 이는 실제 주행 조건에서 차량의 특정 부품에 대한 데이터를 수집하는 것에서 시작되어, 이후 차량 전체에 걸쳐 이러한 정보를 모두 수집할 수 있게 되는 것입니다. 이 데이터를 클라우드에 저장해 두면, 정교한 데이터 분석, 알고리즘, 기계 학습 알고리즘을 실행하여 해당 정보로부터 통찰력을 도출할 수 있습니다. 그리고 해당 부품의 성능을 최적화하기 위해 무엇을 해야 할지 파악한 후에는, 이를 적용하고자 하는 어떤 차량이든 매우 신속하게 미세 조정을 수행할 수 있게 됩니다.

SANJAY: 이 피드백 루프는 정말 흥미로워 보이네요. 데이터를 수집하고, 분석을 수행한 뒤, 이를 차량에 적용한다고 말씀하셨는데, 이는 현재 OEM 업체들이 OTA 솔루션을 통해 하고 있는 일과 비슷한 건가요?

YU: 꼭 그렇지만은 않습니다. 우선, Sonatus Collector와 같은 도구가 필요합니다. 이를 통해 현재 처한 특정 주행 조건에 따라 특정 부품을 대상으로 삼고, 발생하는 특정 이벤트를 기반으로 정보를 수집할 수 있습니다. 다양한 차량에서 이러한 정보를 수집한 후에는, 다양한 주행 조건 하에서 수행할 수 있는 최적화 방안을 도출할 수 있습니다. 그리고 그 정보를 확보한 후에는, Sonatus Automator가 지원하는 것과 같이 이를 매우 가벼운 정책으로 캡슐화할 수 있어야 합니다. 이를 원하는 차량에 배포하면, 이후 Sonatus Automator가 사용자가 처한 구체적인 주행 조건에 따라 최적의 최적화 방안을 적용해 줄 것입니다.

결론

SANJAY: 방금 설명해 주신 방식은 데이터를 지능적으로 수집할 뿐만 아니라, 주행 조건에 따라 필요할 때마다 차량이 스스로 최적화된 튜닝 매개변수를 적용할 수 있는 지능을 갖출 수 있게 하는 것 같네요. 정말, 정말 흥미로운 해결책으로 들리네요. 이 기술은 가까운 미래에 도입될 수 있을까요, 아니면 먼 미래의 일일까요?

YU: 네. 현재 Sonatus 은 이를 현실에 구현하기 위해 많은 파트너사와 협력하고 있습니다. 저희는 몇 가지 구체적인 활용 사례를 선보이고 있습니다. 하나는 모터 최적화와 관련된 것이고, 또 다른 하나는 CES에서 소개된 조명 최적화와 관련된 것입니다. 또한, 더 많은 활용 사례를 시장에 선보이기 위해 다른 파트너사들과도 협력하고 있습니다.

산제이: 음, 유팡 씨, 정말 흥미로운 대화가었습니다. ‘ Driving Innovation ’ 팟캐스트에 출연해 주셔서 감사드립니다.

YU: 산제이, 오늘 대화해 주셔서 감사합니다. 정말 즐거운 시간이었습니다.

SANJAY: 자, 이번 ‘ Driving Innovation ’ 에피소드는 여기까지입니다. 소프트웨어 정의 차량(SDV)으로의 전환과 관련된 다양한 주제를 심도 있게 다룰 다음 에피소드도 많은 기대 부탁드립니다.