[논문 리뷰] The State of Modeling, Simulation, and Data Utilization within Industry: An Autonomous Vehicles Perspective

Joshua Fadaie|arXiv (Cornell University)|2019. 10. 07.

Autonomous Vehicle Technology and Safety참고 문헌 5인용 수 16

한 줄 요약

이 논문은 웨이모, 토요타, 엔비디아, 그리고 코그나타, 헤어와 같은 스타트업을 포함한 주요 기업들을 분석하여 자율주행차 산업의 모델링, 시뮬레이션, 데이터 활용 현황을 분석한다. 시뮬레이션 정밀도, 컴퓨팅 인프라, 데이터 통합, 그리고 시뮬레이션의 안전 검증에서의 역할을 평가하며, 고정밀도 시뮬레이션은 자율주행차 개발 및 실세계 구현을 위한 핵심 요소임을 결론 내린다.

ABSTRACT

The aviation industry has a market driven need to maintain and develop enhanced simulation capabilities for a wide range of application domains. In particular, the future growth and disruptive ability of smart cities, autonomous vehicles and in general, urban mobility, hinges on the development of state of the art simulation tools and the intelligent utilization of data. While aviation based companies have several historical and/or proprietary mission level simulation tools, there is much to learn from the current state of the art within other industries (tangential and competing in scope), as well as in academia. The purpose of this paper is to address and decompose the simulation capabilities within the key players of the autonomous vehicle and self-driving car industry (Toyota, Waymo, BMW, Microsoft, NVIDIA, Uber, etc.), as well as several notable startups within the high fidelity 3D mapping and simulation domain (Mapper, HERE, Cognata, etc.). While providing an overview of how other companies are using simulation tools and reliable data-sets, this paper will also seek to address several important and related questions, namely: the interaction between simulation and supporting tools/software, the intersection of simulation and the real world, the requirements and utilization of compute infrastructure, the appropriate levels of fidelity within simulation, and how simulation tools are critical to future safety and V&V concerns. In order for aviation based companies to adequately pursue disruptive mobility within real-world environments, be it in air or on the ground, modeling and simulation tools for autonomous vehicles provide key insights into future development work and are essential technologies.

연구 동기 및 목표

• 주요 자율주행차 기업과 스타트업에서의 시뮬레이션 및 데이터 활용 현황을 평가하기 위해.
• AV 개발에서 시뮬레이션 정밀도, 데이터 통합, 컴퓨팅 인프라 분야의 격차와 최선의 실천 사례를 식별하기 위해.
• 시뮬레이션 도구가 실세계 구현 시나리오에서 안전 검증 및 검증(V&V)을 지원하는 방식을 탐색하기 위해.
• 자율주행차 시스템에서 시뮬레이션 도구와 실세계 테스트 간의 상호작용을 검토하기 위해.
• 고급 시뮬레이션 기술을 도입하고자 하는 항공 및 이동성 산업 분야에 실질적인 통찰를 제공하기 위해.

제안 방법

• 웨이모, 토요타, 엔비디아, 우버와 같은 선도적인 AV 기업들이 사용하는 시뮬레이션 플랫폼을 비교 분석한다.
• 도시 이동성 응용 분야에 적합한 3D 고정밀 시뮬레이션 도구를 제공하는 스타트업인 코그나타, 헤어, 메이퍼의 시뮬레이션 도구를 평가한다.
• 종합적인 AV 개발을 지원하는 전용 및 오픈소스 시뮬레이션 프레임워크의 역할을 검토한다.
• 실세계 센서 데이터를 시뮬레이션 환경에 통합하는 데이터 파이프라인 아키텍처를 분석한다.
• 현대 HPC 및 클라우드 인프라에서 시뮬레이션 워크로드의 확장성과 성능 요구사항을 평가한다.
• AV 시스템에서 안전 검증 및 극단적인 케이스 테스트를 위한 합성 데이터 및 시뮬레이션의 활용을 분석한다.

실험 결과

연구 질문

• RQ1 주요 AV 기업과 스타트업은 자율주행차 개발을 위해 어떻게 시뮬레이션 도구를 구현하고 있는가?
• RQ2 대규모 고정밀도 시뮬레이션을 지원하기 위해 컴퓨팅 인프라에 요구되는 핵심 요건은 무엇인가?
• RQ3 시뮬레이션 정밀도는 자율주행 시스템의 안전 검증 및 실세계 성능에 어떤 영향을 미치는가?
• RQ4 데이터 통합과 합성 데이터 생성은 시뮬레이션 정확도 향상에 어떤 역할을 하는가?
• RQ5 시뮬레이션 도구는 자율주행차에서 가상 테스트와 실세계 구현 간 격차를 어떻게 메우는가?

주요 결과

• 희귀하거나 위험한 시나리오를 실세계에서 재현하기 어려운 경우, 고정밀도 시뮬레이션은 이들을 테스트하는 데 필수적이다.
• 웨이모와 엔비디아와 같은 선도 기업들은 통합된 데이터 파이프라인과 실시간 렌더링을 갖춘 전용 시뮬레이션 스택을 사용하여 확장 가능한 테스트를 수행한다.
• 코그나타와 헤어와 같은 스타트업은 도시 이동성과 AV 훈련에 특화된 합성 데이터 및 3D 시뮬레이션 환경을 제공한다.
• 시뮬레이션 도구는 점점 더 V&V에 활용되어 자동화된 회귀 테스트와 AV 시스템의 안전 인증을 가능하게 한다.
• 실세계 센서 데이터와 합성 데이터의 통합은 시뮬레이션 정확도를 향상시키고 물리적 테스트 의존도를 감소시킨다.
• 확장 가능한 클라우드 및 HPC 인프라는 대규모 시뮬레이션 워크로드의 계산 요구사항을 충족시키는 데 필수적이다.