센서 융합으로 다양한 이점 제공

센서 융합은 사물 인터넷의 성장 추세와 일치하며 특히 자율주행차 및 첨단 운전자 지원 시스템(ADAS)과 연결되어 화두입니다. 개념 자체는 새로운 것이 아닙니다. Google Scholar에서 검색하면 1960년대 이전으로 거슬러 올라가는 개념을 식별할 수 있습니다. 그러나 오늘날에는 시스템이 융합해야 하는 센서 입력과 결과적인 통찰력을 적용하는 방법에 대한 지식이 늘어나고 있습니다. 어느 정도가 충분한지는 애플리케이션과 비용/위험 이점에 따라 다릅니다.

얼마나 센서 융합이 충분한지는 애플리케이션과 비용/위험 이점에 따라 다릅니다(이미지:SAR Insight and Consulting)

센서 융합은 그 어느 때보다 중요합니다. 개별 악의적 요인과 국가 정보 기관의 지속성은 모든 곳에서 자율 시스템에 대한 위협이 증가하고 있기 때문입니다. 많은 정치권이 5G 네트워크의 잠재적인 정보 보안 위험에 대해 걱정하고 있지만, 자율 시스템 소유자를 방해하고 갈취할 수 있는 멀웨어 공격으로 인해 더 큰 위험이 발생합니다. 시스템 설계자는 이러한 위험을 과소평가해서는 안 되며 자동차 및 항공 제조업체의 실수를 피해야 합니다. Ford Motor는 인간 생명의 가치를 미화 20만 달러로 추정했는데, 이는 Pinto 세단형 자동차(1971-1980)의 연료 설계를 수정하는 것보다 저렴합니다. 그러나 인명 피해 변호사와 배심원단의 생각은 달랐다. 불행에 대한 현재 이야기는 보잉에 속하며 737 MAX 제트기의 중요한 센서 융합 및 이중화를 추가 비용으로 사용할 수 있게 했습니다. 그 결과 보잉과 보잉의 공급망은 현재의 고통을 겪고 있으며, 그 고통이 끝나려면 몇 년이 걸릴 수 있습니다.

마지막으로, 인간 활동 및 산업 애플리케이션을 위한 센서 융합을 발전시키는 시스템의 경제적, 건강상의 이점이 이제 명백해졌습니다.

내결함성 및 복원력

모든 센서와 모델에는 허용 오차가 있으며 동일한 수량을 측정하는 여러 센서를 사용하면 신뢰성을 높이고 재앙이 될 수 있는 실패에 대한 복원력을 제공할 수 있습니다. 이중화는 비용과 복잡성을 추가하지만 Boeing과 Ford의 사례에서 알 수 있듯이 근시안적인 결정으로 단일 장애 지점으로 이어지는 것은 치명적일 수 있습니다.

공격 저항

맬웨어를 사용하는 해커는 센서 기반 시스템을 공격하는 방법을 찾을 수 있지만 인공 지능을 포함한 적절한 데이터 융합 및 보안 프로토콜은 이러한 공격에 맞서 강력한 작동을 보장할 수 있습니다. 공격 수단 중 하나는 입력 센서에 잘못된 신호를 주입하는 것입니다. 이러한 신호는 아날로그 영역에서 발생하기 때문에 일반 디지털 보안으로 완화되지 않습니다. 이러한 공격 표면에는 다음이 포함될 수 있습니다.

• 신호 스푸핑(LiDAR 및 카메라),
• 신호 취소 및 간섭(ABS 자기 센서, 파손된 교통 표지판) 그리고
• 측면 누출(민감한 정보를 수집하기 위해 센서를 사용하는 이식된 맬웨어).

인간 활동 다중 센서

다중 센서 융합으로 인간 활동을 해석하고 모니터링하면 인구가 고령화됨에 따라 더 나은 건강 결과와 비용 절감을 달성할 수 있습니다. 인간 활동을 위한 웨어러블 및 주변 센서 융합의 응용 프로그램에는 노인 돌봄 및 생활 보조, 낙상 감지 및 자세 인식, 보안 및 감시, 운동 선수 및 최초 대응자 상태, 장애인을 위한 위치 파악 및 탐색 지원이 포함됩니다.

네트워크의 데이터 융합

데이터 융합 및 분석은 역사적으로 컴퓨터나 데이터 센터(클라우드)에서 발생했습니다. 센싱 기술의 소형화 및 비용 절감은 에지 장치 수준에서 센서 융합(및 인공 지능/머신 러닝)을 가능하게 합니다. 미래에 하이브리드 네트워크 아키텍처는 세 가지 계층에서 센서 데이터 융합 및 분석을 수행할 것입니다.

• 여러 센서 입력을 집계하는 게이트웨이 또는 스마트 기기에서 낮은 수준의 데이터 융합이 발생합니다.
• 중간 수준의 데이터 융합은 보다 집중적인 분석 및 더 광범위한 기기와의 데이터 융합을 지원하며 허브 게이트웨이 및 에지 컴퓨팅과 연결됩니다.
• 높은 수준의 데이터 융합은 데이터 센터 또는 클라우드에 상주하여 에지 장치의 관리 시스템에 대한 가장 높은 관점을 제공합니다.

낮은 운영 비용

센서 융합은 무인 항공기(UAV) 및 자율 기능을 갖춘 로봇 공학과 같은 장치의 범위와 적용을 확장함으로써 운영 비용을 절감할 것입니다. 비용 절감은 또한 센서 융합을 통해 원격 작업자가 더 많은 작업을 수행할 수 있게 하거나 저비용 노동 센터에서 발생합니다. 애플리케이션에는 검사 드론을 위한 자동 충돌 회피와 대부분의 자율 운송 시스템을 위한 원격 운전자 개입이 포함됩니다.

트렌드

소비자화가 산업 및 IoT 생태계에 뿌리를 내리면서 센서, 컴퓨팅 및 연결성의 지속적인 소형화 및 비용 절감을 기대하십시오. CES 2020 시연에는 자동차 및 지능형 운송 시스템에 도움이 되는 LiDAR 미러의 소형화와 같은 MEMS 센서 혁신이 포함되었습니다.

센서 융합을 위한 go-to 방법은 지속적인 측정 및 예측을 통해 시스템의 이전 및 현재 상태를 모델링하는 칼만 필터로 알려진 컴퓨터 알고리즘 클래스입니다. 센서 입력을 통해 고도로 복잡한 시스템에 잘못된 신호를 주입하면 시스템 설계자는 보안 및 데이터 융합을 위해 기계 학습 및 신경망을 구현하게 됩니다.

센서 융합은 정상 작동을 위한 시스템 무결성, 안정성 및 견고성을 높이고 아날로그 도메인에서 발생하는 센서 네트워크 공격에 대한 추가 이점을 제공합니다. 센서 융합을 시스템에 신중하게 구현함으로써 설계자와 건축가는 인명, 재산 또는 경제적 번영에 상해를 입힐 수 있는 오작동 또는 악의적인 행동으로 인한 위험을 완화할 수 있습니다.

>> 이 기사는 원래 다음 날짜에 게시되었습니다. 자매 사이트인 EE Times Europe.