[논문 리뷰] Towards Safety-Aware Computing System Design in Autonomous Vehicles

Hengyu Zhao, Yubo Zhang외 5명|arXiv (Cornell University)|2019. 05. 21.

Autonomous Vehicle Technology and Safety참고 문헌 39인용 수 16

한 줄 요약

이 논문은 자율주행차(AV)의 안전 인식 컴퓨팅 시스템 설계를 안내하기 위해 안전 점수 및 인식 지연 모델을 제안한다. 기존의 꼬리 지연과 같은 전통적 지표의 한계를 해결하기 위해, 레벨-4 AV 펌웨어의 실제 현장 데이터를 통합하여 안전성이 반응 시간과 환경적 요인에 따라 비선형적으로 작용함을 입증한다. 또한 하드웨어-소프트웨어 공동 설계 자원 관리 기법을 통해 인식 지연을 최대 2.6배까지 감소시킨다.

ABSTRACT

Recently, autonomous driving development ignited competition among car makers and technical corporations. Low-level automation cars are already commercially available. But high automated vehicles where the vehicle drives by itself without human monitoring is still at infancy. Such autonomous vehicles (AVs) rely on the computing system in the car to to interpret the environment and make driving decisions. Therefore, computing system design is essential particularly in enhancing the attainment of driving safety. However, to our knowledge, no clear guideline exists so far regarding safety-aware AV computing system and architecture design. To understand the safety requirement of AV computing system, we performed a field study by running industrial Level-4 autonomous driving fleets in various locations, road conditions, and traffic patterns. The field study indicates that traditional computing system performance metrics, such as tail latency, average latency, maximum latency, and timeout, cannot fully satisfy the safety requirement for AV computing system design. To address this issue, we propose a `safety score' as a primary metric for measuring the level of safety in AV computing system design. Furthermore, we propose a perception latency model, which helps architects estimate the safety score of given architecture and system design without physically testing them in an AV. We demonstrate the use of our safety score and latency model, by developing and evaluating a safety-aware AV computing system computation hardware resource management scheme.

연구 동기 및 목표

• 고자율 주행차(AV)의 안전 요구사항을 충족시키지 못하는 기존 컴퓨팅 시스템 지표(예: 꼬리 지연, 타임아웃)의 한계를 규명하는 것.
• 반응 시간과 차량 동역학(속도, 가속도) 및 도로 조건과 같은 외부 요인을 통합한 비선형 함수로서 AV 안전성을 정량적으로 측정할 수 있는 안전 점수 지표를 개발하는 것.
• 실물 테스트 없이도 AV 시스템 아키텍처의 안전 점수를 사전 추정할 수 있도록 하는 인식 지연 모델을 제안하는 것.
• 하드웨어 및 소프트웨어 공동 설계 자원 관리 기법을 통해 안전 점수 및 지연 모델의 실용성을 입증하고, 시스템의 반응성을 향상시키는 것.
• 형식적 AV 안전 모델(RSS 등)과 실제 컴퓨팅 시스템 설계 간 격차를 메우기 위해, 정량적이고 체계적인 수준의 안전 지표를 제공하는 것.

제안 방법

• 안전 점수는 책임감 있는 안전(RSS) 모델에서 유도되며, 차량 동역학(속도, 가속도), 브레이킹 거리, 환경 조건을 비선형 안전 함수에 통합한다.
• 다양한 주행 시나리오에서 특정 컴퓨팅 아키텍처의 안전 점수를 추정할 수 있도록 인식 지연 모델을 개발하여 초기 단계의 설계 평가를 가능하게 한다.
• 다양한 도로 및 교통 조건에서 운영되는 산업 수준의 4(L4) AV 펌웨어의 현장 데이터를 활용하여 안전 점수 및 지연 모델을 校정하고 검증한다.
• 안전 인식 이질적 계산 자원 관리 체계를 공동 설계하여 CPU, GPU, 전용 가속기의 최적화를 통해 인식 지연을 최소화한다.
• 이 방법을 통해 아키텍처 설계자가 실제 배포 이전에 지연 모델을 활용해 안전 점수를 예측할 수 있도록 한다.
• 형식적 안전 원칙과 실제 시스템 성능을 통합하여, 원시 지연에서 안전 인식 시스템의 반응성으로 초점을 이동시킨다.

실험 결과

연구 질문

• RQ1 기존 컴퓨팅 시스템 지표(예: 꼬리 지연, 타임아웃)는 자율주행차 컴퓨팅 시스템의 반응 시간이 안전에 미치는 진정한 영향을 어떻게 반영하지 못하는가?
• RQ2 계산 반응 시간과 차량 동역학, 환경적 요인을 통합한 비선형 체계적 안전 지표는 무엇인가?
• RQ3 실제 차량에서의 물리적 테스트 없이도 특정 AV 컴퓨팅 아키텍처의 안전 점수를 어떻게 추정할 수 있는가?
• RQ4 안전 인식 자원 관리 체계는 자율주행차의 인식 지연과 시스템 안전성에 얼마나 기여하는가?
• RQ5 제안된 안전 점수 및 지연 모델은 자율주행차를 위한 이질적 컴퓨팅 시스템 설계에 어떻게 안내하는가?

주요 결과

• 꼬리 지연, 타임아웃과 같은 기존 지표들은 자율주행차 컴퓨팅 시스템의 반응 시간이 안전에 미치는 진정한 영향을 반영하지 못한다.
• RSS 모델에서 유도된 안전 점수는 속도, 가속도, 브레이킹 거리, 교통 조건를 고려한 비선형 정량적 안전 측정치를 제공한다.
• 인식 지연 모델을 통해 다양한 시스템 아키텍처의 안전 점수를 정확하게 사전 추정할 수 있어 고비용의 물리적 테스트 의존도를 감소시킨다.
• 제안된 안전 인식 자원 관리 체계는 현장 데이터 기반으로 CPU 전용 대비 평균 인식 지연을 2.6배 감소시키고, GPU+CPU 구성 대비 45% 감소시켰다.
• 연구 결과, 기존 성능 지표에만 기반한 설계와는 달리, 안전 인식 설계가 다른 시스템 및 아키텍처 선택을 이끌 수 있음을 입증했다.
• 다양한 조건에서 운영된 L4 AV 펌웨어의 현장 데이터는 안전성이 반응 시간과 외부 요인에 따라 비선형적임을 확인하였으며, 제안된 안전 점수의 필요성을 검증했다.