첨단 운전자 지원 시스템(ADAS) 보안: 향후 10년을 위한 안전 전략

첨단 운전자 지원 시스템(ADAS)은 주변 환경 모니터링, 경고 발령, 제동, 조향 지원을 통해 차량 안전성을 높입니다. 향후 10년간 센서 및 라이다 기술의 혁신과 진화하는 규제 요구사항에 힘입어 이러한 시스템이 급속히 확대될 전망입니다.

National Instruments의 자동차 마케팅 책임자인 Jeff Phillips에 따르면, 유럽연합은 2020년부터 모든 신차에 자율 비상 제동(AEB)과 전방 충돌 경고(FCW) 시스템 탑재를 의무화했습니다.

ADAS는 아직 초기 단계지만, 완전 자율주행차로 나아가면서 안전 기능이 자동차 제조사의 핵심 차별화 요소가 될 것입니다.

OEM과 기술 기업들은 이 미규제 시장에서 시장 점유율을 확보하고 가장 안전한 자동차를 제공하기 위해 경쟁 중입니다. 전 세계적으로 연간 약 130만 명의 교통사고 사망자가 발생하고, 영국 도로에서 5년 만에 최고치인 1,792명의 사망자가 발생한 상황에서 ADAS 기술 보호는 그 어느 때보다 시급합니다.

악몽 같은 시나리오

테스트 엔지니어들은 진화하는 규제, 새로운 센서 기술, 불투명할 수 있는 AI 기반 아키텍처라는 험난한 지형에 직면해 있습니다. 위험도는 높습니다—반자율주행차와 관련된 주목받는 사고마다 대중의 감시가 강화되고, 문서화된 자율주행차 사고가 제한적임에도 소비자 신뢰는 이미 훼손되었습니다.

테스트 엔지니어는 규제 및 법적 기준을 충족하면서 대중의 기대에도 부응할 만큼의 검증이 얼마나 필요한지 결정해야 합니다. AI 시스템에 대한 명확한 가이드라인이 부재한 상황에서 기존 테스트 접근법은 불충분합니다.

2018년 랜드(Rand) 연구소 조사에 따르면, 자율주행차가 인간 운전자와 동등하거나 우수한 성능을 통계적으로 입증하려면 수천만 마일의 테스트 주행이 필요합니다. 현실적인 기간 내에 이 물량을 달성하려면 혁신적인 테스트 전략과 대규모 시뮬레이션 환경이 필수적입니다.

머신러닝 이야기

완전 자율주행은 실제 시나리오의 스펙트럼이 사실상 무한하기 때문에 머신러닝 모델에 크게 의존합니다. 엔지니어들은 방대한 인간 운전 데이터를 수집하고 레이블링하여, 인간의 의사결정을 모방하는 신경망을 훈련시킵니다.

설계 팀이 기본 알고리즘을 개발할 수는 있지만, 결과 모델은 블랙박스처럼 작동해 검증을 복잡하게 만듭니다. 내부 로직에 대한 통찰이 없으면 기존 단위 테스트가 불가능하므로, 테스트 엔지니어는 다양한 에지 케이스를 포괄하는 포괄적인 시나리오 라이브러리를 구축해야 합니다.

새로운 로드맵

센서 포트폴리오가 급속히 진화하면서 비용 절감과 새로운 아키텍처 선택이 가능해지고 있습니다. 제조사는 중앙집중식 온보드 처리와 분산 엣지 처리 중 선택해야 하며, 라이다, 레이더, 추가 카메라 어레이 같은 미래 센서 추가 계획도 수립해야 합니다.

클라우드 컴퓨팅과 5G 연결성은 실시간 데이터 교환과 원격 진단을 가능하게 하지만, 지연 시간과 대역폭 고려사항이라는 또 다른 복잡성을 더합니다.

미래 플랫폼의 센서 조합이 불확실하기 때문에, 테스트 팀은 비용이 많이 드는 재구축 없이 새로운 하드웨어를 통합할 수 있는 유연한 인프라가 필요합니다. 모듈형 테스트 리그와 가상화 환경은 카메라, 라이다, 레이더 탑재량의 신속한 확장을 가능하게 합니다.

변화를 위한 구축

자율주행 기능이 프로토타입에서 제품으로 이동함에 따라, 규제 기관도 소비자 보호를 위해 진화해야 합니다. 기능 안전을 위한 ISO 26262와 유로 NCAP 충돌 테스트 프로토콜이 이미 업계를 형성하고 있으며, 독일의 최근 자율주행차 윤리 프레임워크는 의사결정 규칙의 선례를 제시하고 있습니다.

공식 표준이 성숙해가는 와중에도 기업들은 차별화를 위해 독자적인 테스트 레이어를 도입할 것입니다. 개방적이고 적응 가능한 테스트 인프라는 엔지니어에게 새로운 규제 요건과 내부 안전 목표를 민첩하게 반영할 수 있는 민첩성을 제공할 것입니다.

본 블로그 저자는 National Instruments의 자동차 마케팅 책임자인 Jeff Phillips입니다.