From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving

이 논문은 자율주행 소프트웨어 개발의 효율성과 정확성을 높이기 위해 물리적 차량과 디지털 트윈을 동기화한 '차량-루프 (ViL)' 기반 테스트 프레임워크를 제안하며, 이를 통해 중앙 집중형 E/E 아키텍처에서의 안전하고 재현 가능한 검증을 가능하게 합니다.

핵심

🚗 1. 왜 이런 연구가 필요할까요? (기존 방식의 한계)

과거 자동차는 부품 하나하나에 작은 컴퓨터 (ECU) 가 100 개 이상 달려 있었습니다. 마치 자동차 내부에 작은 마을이 있는 것처럼, 각 컴퓨터가 조명, 브레이크, 엔진 등을 따로 관리했죠.

• 문제점: 새로운 기능을 추가하려면 이 작은 컴퓨터 100 개를 하나하나 떼어내서 프로그램을 다시 써야 (플래싱) 했습니다. 마치 집의 전구를 하나씩 교체하느라 온 집안을 해체하는 것과 비슷하죠. 비용도 많이 들고, 시간도 너무 오래 걸립니다.

최근에는 중앙 집중식 서버 (CeCaS) 라는 '슈퍼 두뇌' 하나가 이 모든 일을 처리합니다. 마치 스마트폰이 모든 기능을 하나로 통합한 것처럼 말이죠. 하지만 이 '슈퍼 두뇌'를 개발할 때, 실제 차에 싣기 전까지 어떻게 테스트할지가 큰 고민이었습니다.

🎮 2. 이 논문이 제안하는 해결책: "가상과 현실의 완벽한 춤"

이 연구팀은 '차량-인-더-루프 (ViL)' 라는 새로운 테스트 장비를 만들었습니다. 이를 쉽게 비유하자면 다음과 같습니다.

🏎️ "실제 자동차가 춤추는 무대 (실제) + 그 모습을 완벽하게 따라 하는 가상 캐릭터 (디지털 트윈)"

이 시스템은 두 가지가 동시에 작동합니다:

1. 실제 차 (현실): 바퀴는 떼어낸 채로, 실제 자동차가 회전하는 롤러 (다이나모미터) 위에 고정되어 있습니다. 운전자가 핸들을 돌리거나 브레이크를 밟으면, 실제 차의 기계적인 반응 (진동, 무게감, 소음) 이 그대로 나옵니다.
2. 가상 차 (디지털 트윈): 컴퓨터 화면 속에는 그 실제 차와 완벽하게 똑같은 가상 차가 달리고 있습니다.

✨ 핵심 아이디어:
실제 차가 롤러 위에서 "오른쪽으로 10 도 회전"하면, 컴퓨터 속 가상 차도 동시에 오른쪽으로 10 도 회전합니다. 그리고 가상 차가 마주친 '가상의 보행자'를 실제 차에 달린 실제 카메라가 찍어냅니다.

🛠️ 3. 어떻게 작동하나요? (비유로 풀어보기)

이 시스템을 영화 촬영 세트라고 상상해 보세요.

• 배우 (실제 자동차): 실제 배우 (차) 가 세트장 (롤러) 위에서 연기합니다.
• CGI (가상 환경): 배우가 걷는 길, 마주치는 사람, 날씨 등은 컴퓨터로 만든 CGI(가상 환경) 입니다.
• 감독 (중앙 서버): 실제 배우의 움직임을 보고, "가상 환경에서 저 사람이 나타나면 멈춰!"라고 지시합니다.

기존 방식과의 차이점:

• 기존: 배우 (차) 가 연기할 때, 각 부품 (컴퓨터) 마다 따로따로 대본을 주고 연기하게 했습니다. (비효율적)
• 이 연구: 중앙 감독 (CeCaS) 이 모든 것을 통제합니다. 실제 카메라로 가상 장면을 보고, 중앙 서버가 "멈춰!"라고 명령하면, 실제 차의 브레이크가 바로 작동합니다.

🧪 4. 실제로 무엇을 테스트했나요?

연구팀은 이 시스템으로 두 가지 상황을 테스트했습니다.

1. 수동 운전 (Human-in-the-Loop): 사람이 직접 핸들을 잡고 차를 몰았습니다. 이때 실제 차의 움직임이 가상 화면에 얼마나 정확히 반영되는지 확인했습니다. (실제 운전감 vs 가상 화면의 싱크로율)
2. 자율주행 (Autonomous Driving):
   • 차량 추종 (ACC): 앞차가 가파르면 따라가고, 느리면 따라갑니다.
   • 긴급 제동 (Emergency Brake): 실제 카메라가 앞에 있는 '사람 (가상 캐릭터)'을 감지하자마자, 실제 차가 급정거를 했습니다.
   • 결과: 가상 세계의 '사람'을 실제 카메라가 보고, 실제 차가 반응하는 과정이 지연 없이 완벽하게 이루어졌습니다.

💡 5. 이 기술이 가져올 변화 (왜 중요한가요?)

이 연구는 "코드에서 도로까지 (From Code to Road)" 라는 개념을 실현합니다.

• 시간 단축: 더 이상 100 개의 작은 컴퓨터를 하나하나 떼어내서 프로그램을 다시 쓸 필요가 없습니다. 중앙 서버에 코드를 한 번만 넣으면 됩니다.
• 안전: 실제 도로에 나가기 전에, 위험한 상황 (보행자 돌발, 폭우 등) 을 가상으로 만들어서 수백 번 테스트할 수 있습니다.
• 비용 절감: 실제 차를 부수지 않고도, 다양한 상황을 반복해서 테스트할 수 있어 개발 비용이 크게 줄어듭니다.

🌟 요약

이 논문은 "실제 자동차를 롤러 위에 올려놓고, 그 차가 가상 세계의 위험을 실제로 겪게 함으로써, 자율주행 소프트웨어를 완벽하게 검증하는 시스템" 을 소개합니다.

마치 비행 시뮬레이터가 조종사를 훈련시키듯, 이 시스템은 자율주행 자동차의 두뇌를 실제 도로에 나가기 전에 안전하게, 그리고 현실적으로 훈련시키는 혁신적인 방법입니다.

기술 요약

논문 요약: 자율주행 중앙 차량 서버 테스트를 위한 ViL 및 디지털 트윈 기반 프레임워크

1. 문제 제기 (Problem Statement)

• 중앙집중형 E/E 아키텍처의 등장: 자율주행의 발전으로 인해 분산형 E/E (전기/전자) 아키텍처에서 고성능 컴퓨팅이 가능한 중앙집중형 아키텍처 (Central Car Server, CeCaS) 로 전환되고 있습니다. 이는 소프트웨어 정의 차량 (SDV) 의 핵심 요소입니다.
• 기존 테스트 방법의 한계:
  • SiL (Software-in-the-Loop) / HiL (Hardware-in-the-Loop): 가상 시뮬레이션만으로는 실제 차량의 동역학과 센서 반응을 완벽하게 모사하기 어렵고, 실제 하드웨어와의 상호작용을 충분히 반영하지 못합니다.
  • 기존 ViL (Vehicle-in-the-Loop) 의 비효율성: 기존 방법은 개별 ECU 를 대상으로 하거나, 알고리즘 변경 시 각 ECU 에 소프트웨어를 번거롭게 플래싱 (flashing) 해야 하는 문제가 있었습니다. 또한, 중앙 서버 전체를 통합적으로 테스트하는 현실적인 환경이 부족했습니다.
• 필요성: 중앙집중형 아키텍처의 특성을 반영하면서도, 실제 도로 주행 전 안전하고 재현 가능한 환경에서 전체 차량 시스템 (하드웨어 + 소프트웨어) 을 통합 검증할 수 있는 새로운 테스트 프레임워크가 필요합니다.

2. 제안된 방법론 (Methodology)

이 논문은 **차량 - 루프 (Vehicle-in-the-Loop, ViL)**와 디지털 트윈 기술을 결합하여 중앙 차량 서버 (CeCaS) 를 테스트하는 폐쇄 루프 (Closed-loop) 프레임워크를 제안합니다.

• 하드웨어 구성:
  • 테스트 차량: 외부 제어 소켓이 장착된 재구성된 폭스바겐 ID Buzz (후륜구동).
  • 다이나모미터 (Dynamometer): SIEMENS 제공의 동력계 테스트 벤치로, 실제 주행과 유사한 구동 저항과 조향 토크를 시뮬레이션합니다.
  • 중앙 차량 서버 (CeCaS): 자율주행 알고리즘을 실행하는 고성능 컴퓨터 (AMD TRP 5955WX, RTX 4090).
  • 시뮬레이션 컴퓨터: CARLA 시뮬레이터 구동 및 디지털 트윈 생성 (AMD TRP 5995WX, 6x RTX 4090).
  • 센서: Basler Ace 2 PoE 카메라 (실제 센서) 및 가상 센서 (CARLA 내 생성).
• 소프트웨어 및 아키텍처:
  • 디지털 트윈 동기화: 테스트 벤치 위의 실제 차량과 CARLA 내의 가상 차량 (디지털 트윈) 을 실시간으로 동기화합니다.
  • 하이브리드 센싱: 시뮬레이션된 센서 데이터와 실제 차량에 장착된 카메라의 데이터를 동시에 처리할 수 있습니다.
  • 외부 제어 (External Control): CeCaS 가 계산한 제어 신호 (가속, 제동, 조향) 를 차량의 레거시 ECU 로 직접 전송하여 차량을 제어합니다. 개별 ECU 플래싱 없이 전체 소프트웨어 스택을 테스트합니다.
  • 개발 프로세스: 내부 테스트 (SiL) → 외부 테스트 (HiL) → ViL 테스트 (실제 차량 + 시뮬레이션) 의 3 단계를 거쳐 점진적으로 검증합니다.

3. 주요 기여 (Key Contributions)

1. 중앙집중형 E/E 아키텍처용 신규 ViL 검증 플랫폼: 중앙 서버 기반 자율주행 차량을 위한 통합 테스트 벤치를 구축했습니다.
2. 동기화된 디지털 트윈 시스템: 테스트 벤치의 물리적 차량, 시뮬레이션 환경의 가상 차량, 그리고 감지된 객체의 디지털 트윈을 실시간으로 동기화하는 아키텍처를 구현했습니다.
3. 실제 센서 통합 및 알고리즘 검증: CARLA 시뮬레이션 환경과 실제 카메라 센서를 연결하여, CeCaS 에서 자율주행 알고리즘 (인지, 계획, 제어) 을 직접 실행하고 검증했습니다.
4. 수동 및 자율 주행 통합 테스트: 인간 운전자가 개입하는 수동 주행 모드와 CeCaS 가 제어하는 완전 자율 주행 모드를 모두 지원하는 유연한 테스트 환경을 제공합니다.

4. 실험 결과 (Results)

• 수동 주행 (Manual-Drive): 인간 운전자가 조향과 페달을 조작할 때, 실제 차량의 움직임이 CARLA 내 디지털 트윈과 정밀하게 동기화됨을 확인했습니다. 복잡한 교통 상황에서의 차량 동역학을 안전하게 분석할 수 있었습니다.
• 자율 주행 (Autonomous Driving):
  • ACC (적응형 순항 제어) 및 LKA (차선 유지 보조): YOLO 기반의 인지 알고리즘을 사용하여 전방 차량 및 주행 가능 영역을 감지하고, MPC 및 강화학습 등을 활용한 제어 알고리즘이 성공적으로 작동했습니다.
    • 성능: 차량 추종 시 평균 횡방향 오차 (Lateral Error) 가 0.05m 미만으로 유지되어 높은 정밀도를 입증했습니다.
  • 자동 긴급 제동 (Emergency Brake): 실제 카메라로 보행자를 감지하고, 시뮬레이션 상에 해당 보행자의 디지털 트윈을 생성하여 긴급 제동 시나리오를 수행했습니다.
    • 지연 시간 (Latency): 카메라 프레임률 (FPS) 에 따라 감지 및 제동 트리거 지연 시간이 발생했으나, 시스템이 실시간으로 작동하여 안전 메커니즘으로서의 유효성을 입증했습니다.

5. 의의 및 중요성 (Significance)

• 개발 효율성 극대화: 개별 ECU 를 분리하여 플래싱하고 테스트하는 전통적인 방식의 번거로움을 제거했습니다. 중앙 서버에 전체 소프트웨어를 직접 배포하여 "코드에서 도로 (Code-to-Road)"까지의 워크플로우를 간소화했습니다.
• 안전하고 재현 가능한 검증: 실제 도로 주행 없이도 위험한 시나리오 (보행자 충돌 등) 를 안전하게 반복 테스트할 수 있어 개발 리스크를 줄였습니다.
• 미래 지향적 플랫폼: 초기 개발 단계에서 하드웨어 통합을 최소화하면서도, 중앙집중형 아키텍처와 SDV 의 특성을 반영한 현실적인 검증이 가능합니다. 이는 향후 자율주행 시스템의 통합, 확장 및 상용화 속도를 가속화할 수 있는 핵심 인프라로 평가됩니다.

결론적으로, 이 연구는 자율주행 소프트웨어 개발의 병목 현상이었던 하드웨어 통합 및 테스트 과정을 혁신적으로 개선하여, 중앙집중형 차량 아키텍처의 실용화를 앞당기는 중요한 기술적 토대를 마련했습니다.