[H-모빌리티 클래스 자율주행 공통 내용 정리] 8. 자율주행 기술 인프라 : 데이터, 하드웨어

1. 자율주행 데이터

 

1) 자율주행을 위한 딥러닝 등의 머신러닝 기술은 대규모 학습 데이터 요구

 

- 차량 주행 시 취득한 데이터 이용

- 시뮬레이션을 통해 얻은 주행 데이터 활용

- 급속도로 증가하는 데이터에 대한 관리 필요

- 데이터에 정답을 붙여주는 라벨링 과정 필요

- 데이터 증가로 학습 모델이 개선될 때마다 주기적인 자율주행 기능 업데이트 필요

 

2) 클라우드 기반 데이터 수집, 가공, 학습 과정

 

- 테스트 차량 또는 자율주행차가 수집한 데이터를 클라우드로 전송

- 클라우드에서 가공 및 라벨링 과정 수행 : 데이터의 선별 필요

- 자율주행 기능의 학습(트레이닝) 수행

- 학습된 자율주행 기능의 테스트 및 검증

- 학습된 자율주행 기능을 OTA를 통해 탑재 -> 자율주행 기능의 업그레이드 완성

- OTA(Over the air) : 기기에 내장된 SW를 무선으로 업데이트하는 기술

 

 

2. 자율주행 하드웨어

 

1) 자율주행 센서 : 주변의 환경 정보를 받기 위한 하드웨어

 

2) 차량용 네트워크 : 주변 환경에 대한 데이터를 자율주행 컴퓨터 프로세서에 전달해야 하는데 이때 필요한 것이 차량 네트워크, 차량 내 고속 센서 데이터 통신 지원

 

3) 차량용 반도체 프로세서 : 전체적인 자율주행 기능 수행 및 관리

 

4) 임베디드 하드웨어 : 인지, 판단 등의 딥러닝 SW 수행

- NPU(Neural Processing Unit) : 딥러닝 계산에 특화된 반도체

- GPU : 병렬 연산에 특화된 범용 프로세서

- NPU, GPU와 같은 딥러닝 계산에 특화된 반도체

- 저전력, 실시간성 중요

 

퀴즈)

1. 다음 중 클라우드 기반 데이터 수집, 가공 학습 과정에 대해 틀린 것? 답 3

 

1. 데이터를 OTA를 통해 클라우드로 전송

2. 클라우드에서 데이터 가공 및 라벨링 과정을 수행

3. 학습된 자율주행 기능을 카센터 등의 장소에서 다운로드 받는다.

4. 자율주행 기능을 OTA를 통해 차량에 탑재한다.

 

2. 다음 중 자율주행을 위한 하드웨어 플랫폼에 해당하지 않는 것? 답 2

 

1. 차량용 반도체 프로세서

2. 차량의 회생제동장치

3. 자율주행 센서

4. 딥러닝용 임베디드 하드웨어