[논문 리뷰] EDGAR: An Autonomous Driving Research Platform -- From Feature Development to Real-World Application

Phillip Karle, Tobias Betz외 32명|arXiv (Cornell University)|2023. 09. 27.

Autonomous Vehicle Technology and Safety인용 수 14

한 줄 요약

본 논문은 디지털 트윈과 기능 개발에서 실제 주행 테스트까지의 holistic 워크플로우를 갖춘 EDGAR라는 자율주행 연구 차량을 제시하며, HiL 및 데이터 센터 지원을 포함한다.

ABSTRACT

While current research and development of autonomous driving primarily focuses on developing new features and algorithms, the transfer from isolated software components into an entire software stack has been covered sparsely. Besides that, due to the complexity of autonomous software stacks and public road traffic, the optimal validation of entire stacks is an open research problem. Our paper targets these two aspects. We present our autonomous research vehicle EDGAR and its digital twin, a detailed virtual duplication of the vehicle. While the vehicle's setup is closely related to the state of the art, its virtual duplication is a valuable contribution as it is crucial for a consistent validation process from simulation to real-world tests. In addition, different development teams can work with the same model, making integration and testing of the software stacks much easier, significantly accelerating the development process. The real and virtual vehicles are embedded in a comprehensive development environment, which is also introduced. All parameters of the digital twin are provided open-source at https://github.com/TUMFTM/edgar_digital_twin.

연구 동기 및 목표

• 격리된 구성요소를 넘어 자율주행 소프트웨어 스택의 엔드투엔드 검증 필요성을 제고한다.
• 다양한 연구 주제를 지원하기 위한 다중 센서 구성과 이질적 컴퓨팅 플랫폼을 갖춘 연구 차량(EDGAR)을 소개한다.
• 시뮬레이션과 실제 테스트 간의 일관성을 보장하고 오픈 소스인 포괄적 디지털 트윈을 제시한다.
• 특징 개발에서 실제 적용으로, 다시 시뮬레이션으로 돌아가 지속적인 개선을 위한 포괄적 워크플로우를 설명한다.

제안 방법

• 센서 구성, 컴퓨팅 아키텍처(x86 및 ARM), 네트워킹, HiL 통합 등을 포함한 EDGAR 하드웨어 플랫폼을 설명한다.
• 일관된 테스트를 위한 차량 동역학 모델 및 센서/네트워크 복제를 포함하는 디지털 트윈을 정의하고 구현한다.
• 가상 검증 및 합성 데이터 생성을 가능하게 하는 실제 차량 인터페이스를 모사하는 HiL 시뮬레이터를 구축한다.
• 재현 가능한 연구와 팀 간 협업을 촉진하기 위해 디지털 트윈 매개변수를 포함한 오픈 소스 저장소를 제공한다.

Figure 1: EDGAR: The research vehicle of the Technical University of Munich.

실험 결과

연구 질문

• RQ1 디지털 트윈이 자율 주행 시뮬레이션과 실제 테스트 간의 일관성을 어떻게 보장할 수 있는가?
• RQ2 개발에서 HiL 검증을 거쳐 실제 자율주행 차량에 배포까지의 실용적 워크플로우는 무엇인가?
• RQ3 다중 센서 데이터와 다중 아키텍처 컴퓨팅 플랫폼을 통합 개발 및 테스트 환경에서 어떻게 조정할 수 있는가?
• RQ4 확장 가능한 AV 소프트웨어 개발 및 테스트를 위해 전체적인 데이터 센터와 HiL 구성은 어떤 이점을 제공하는가?
• RQ5 HiL 시뮬레이션의 합성 데이터가 타당성을 유지하면서 실제 데이터 수집을 줄일 수 있는가?

주요 결과

• EDGAR 플랫폼은 다중 센서 자율주행 차량과 상세한 디지털 트윈을 결합하여 시뮬레이션-현실 검증의 일관성을 가능하게 한다.
• 자율주행 소프트웨어 스택의 성능 비교를 위해 두 개의 HPC 플랫폼(x86 및 ARM)을 배치하였다.
• 재현 가능한 테스트를 위한 차량 동역학 및 센서/네트워크 복제를 제공하는 오픈 소스 디지털 트윈 저장소.
• HiL 시뮬레이터가 실제 차량 인터페이스를 모사하고 인지 알고리즘 개발을 위한 합성 데이터 생성을 허용한다.
• 광범위한 데이터 처리 및 소프트웨어 로그 관리를 지원하는 포괄적인 데이터 센터가 개발 속도를 가속화한다.

Figure 2: Milestones of AV research vehicles: VaMoRs [ 4 ] , Stanley [ 5 ] , Boss [ 6 ] , MB S-Class [ 7 ]