한일프로텍과 2010년 3월부터 협력 관계에 있는 오스트리아 티티텍(TTTech)은 첨단 기술 및 솔루션 제공업체로서 전 세계 칩 벤더, 티어1 서플라이어, 카 메이커와 자율주행 플랫폼, 기능안전성, Ethernet 등과 관련해 협력하고 있다. 티티텍의 게오르그 니드리스트 박사와 자율주행 플랫폼, 이더넷 등에 대해 이야기를 나눴다.
TTTech Automotive Georg Niedrist 티티텍 오토모티브 게오르그 니드리스트 박사
Q. Time-Triggered 기술이라는 의미의 사명 티티텍(TTTech)이 회사의 미션과 비전을 함축하고 있다는 생각이 든다. 어떤 메시지를 읽기를 바라나.
A. Time-Triggered 기술은 자율주행과 같은 첨단기술에 반드시 필요한 핵심 기술이라고 생각합니다. 자동차와 같은 고도의 안전성과 신뢰성이 요구되는 시스템은 예측이 가능하고 결정론적인 시스템(Determinstic System: 같은 입력조건에서 항상 같은 절차를 거쳐 같은 결과를 가져오는 시스템)이 요구되는데, Time-Triggered 기술은 교통 및 산업분야에서 안정성과 신뢰성 있는 전자시스템을 구축하는 데 기여하고 있다고 생각합니다.
Q. 구글과 애플 등 전통적인 IT 기업들의 자동차시장 진출을 어떻게 보나.
A. 이 회사들은 소프트웨어나 전자분야에서 적지 않은 역량을 갖고 있습니다. 거기에다 상당한 투자능력을 갖추고 있으며, 기존 생산공정에서와 같이 복잡한 프로세스를 거치지 않고 비교적 부담 없이 결정하는 유연성을 가지고 있습니다. 그러나 그들은 안전과 견고성 분야에 대한 경험이 부족합니다. 이런 점에서 기존 자동차 제조사나 부품업체들은 큰 장점을 가지고 있습니다. 좌우간 자동차 산업에 “뉴커머(Newcomer)”들의 진출은 기존 자동차 산업에 중요한 자극을 주고 새로운 길을 제시하고 있습니다.
Q. 레벨 4 관련, 순수하게 기술적인 측면만 고려한다면 어떤 과제들이 선결돼야 할까.
A. 기술적으로는 센서 개발, 사물인식 기술, 그리고 센서 데이터의 융합기술이라고 생각합니다. 자동차는 생각할 수 있는 모든 상황에서 자동차 스스로 올바른 결정을 내려야 합니다. 예를 들어 고속도로에서의 주행과 같이 비교적 쉬운 상황에서 필요한 알고리즘은 이미 개발된 상태입니다. 그러나 도시와 같은 복잡한 환경에서의 자율주행이 가능해지려면 100% 믿을 수 있는 내비게이션과 안전한 차량제어 기능이 갖춰져야 합니다. 여기에 덧붙이자면 고성능 연산기능 - 근본적으로 이미 구현됐었으나 - 자동차에서 요구되는 고도의 신뢰성과 안전성은 앞으로 충분히 검증돼야할 것입니다.
때문에 티티텍은 안전하고 신속한 연산(컴퓨터) 플랫폼을 연구개발하는데 많은 투자를 아끼지 않고 있습니다. 우리가 추구하는 기술은 예상할 수 없는 돌발상황에서도 자동차를 안전하게 제어하는 고장동작(fail-operational) 기술입니다. 우주항공 분야에서는 이러한 기술이 이미 오래 전부터 실제 적용돼 왔습니다. 티티텍의 다양한 분야에서의 활약은 큰 시너지 효과를 발휘하며, 이것은 티티텍의 강점입니다. 우주항공 분야에서의 오랜 경험은 자동차를 비롯해 다른 산업분야에서도 많은 도움이 되고 있습니다. 이러한 경험을 토대로 티티텍은 고성능 반도체를 활용해 자동차가 요구하는 합리적이고 경제적인 가격 달성을 목표로 하고 있습니다.
Q. 테슬라 모델S의 오토 파일럿 사고에 대해 어떻게 생각하나.
A. 테슬라의 오토 파일럿 시스템은 운전자가 항시 교통상황을 모니터링하면서 안전운전을 위해서 언제든지 필요하면 운전자가 직접 차량을 통제해야 하는 시스템입니다.
따라서 안전운전에 대한 모든 책임이 운전자에게 부여되는 레벨 2에 속하는 운전자 지원(Assistance System) 시스템이며, 아직 자율주행(Automated/Piloted System)에 속하지 않는 것이 분명합니다. 인터넷 상의 여러 영상에서 보다시피 사람들이 이 사실을 주목하고 있지 않아 안타깝습니다. 이 “오토 파일럿”은 주행 시 운전자에게 어느 정도의 안전감을 제공해주며, 이 사실이 운전자로 하여금 이 시스템을 전적으로 신뢰하게 만듭니다. 이미 언급한 바와 같이 지속적인 센서 개발, 신뢰할 수 있는 센서 퓨전, 그리고 페일세이프 플랫폼 개발이 레벨 3 및 4의 자율주행을 실현시키는 전제조건이며 앞으로 이러한 사고를 방지하는 방법이라고 생각합니다.
Q. 자동차의 전자화, 자율주행 관련 카 메이커, 서플라이어와의 주요 프로젝트는.
A. 자율주행과 관련된 티티텍의 첫 프로젝트는 아우디와의 중앙 운전자 지원 시스템 “zFAS”의 개발이었습니다. 독일 프리미엄카 메이커인 아우디는 첨단 운전자 지원 시스템(ADAS)을 위해 중앙 ADAS 전용 전자제어장치(ECU)를 개발할 것을 요청했습니다.
우리가 알기로 zFAS는 자율주행 레벨 3가 실현된 첫 케이스라고 생각합니다. 이 플랫폼은 2017년부터 양산에 들어갈 예정입니다. 티티텍은 이 플랫폼을 기반으로 다양한 프로젝트를 유럽, 아시아 지역에서 진행하고 있습니다. 전기차나 자율주행 시스템 분야는 티티텍이 빠르게 성장하는 분야이기도 합니다.
Q. 티티텍은 기술 파트너로 많은 소프트웨어 툴 업체와 반도체 회사들과 협력하고 있는데.
A. 티티텍은 첨단 기술 및 솔루션 제공업체로서 여러 반도체 제조사, 티어1 서플라이어, 카 메이커와 협력하고 있습니다.
티티텍의 ADAS 플랫폼을 통해 다양한 마이크로컨트롤러 및 프로세서가 하나의 전자제어장치(ECU), 즉 하나의 플랫폼으로 통합되고 있습니다. 공개된 협력사로서 전략적 제휴 관계에 있는 르네사스와 인피니언이 있으며, zFAS 프로젝트와 관련해서는 엔비디아, 알테라가 있습니다. 이외에도 여러 반도체 제조사가 티티텍의 플랫폼 기술에 관심을 가지고 있습니다.
그리고 또 하나의 중요한 요구사항은 ISO 26262 규격에 따른 응용 프로그램의 기능안전성 검증입니다. 여러 응용 프로그램 간의 인터페이스를 표준화한다면 여러 회사 내부서, 티어1 서플라이어 또는 소프트웨어 개발업체가 분할 개발한 소프트웨어를 통합할 수 있습니다. 또 이렇게 개발된 소프트웨어는 여러 차량 모델에서의 공유가 가능해지고 소프트웨어 개발비용도 최소화할 수 있습니다.
티티텍의 플랫폼 콘셉트는 서로 다른 운영 시스템의 적용을 가능케 합니다. 현재 윈드리버 VxWorks 기반의 AUTOSAR OS부터 리눅스까지 사용가능하며 다른 운영체제 기반도 준비 중에 있습니다.
Q. 이더넷의 해결과제는 무엇인가. 차량용 통신 네트워크를 모두 수렴할 것으로 보나.
A. 엄밀히 말하면, 기술적으로는 이더넷(Ethernet)을 양산 적용할 준비가 거의 끝난 상태입니다. 전제조건으로 크게 이더넷 스위치 칩(예. NXP와 Broadcom), 관련 물리계층(Physical Layer) 구현 및 100 Mb/s 양산용 통신 소프트웨어는 개발이 완료된 상태이며, 1 Gb/s 버전도 곧 완료를 앞두고 있습니다. 그러나 이더넷과 관련해서 아직 많은 변화가 있습니다. 특히 실시간 특성과 Determinism에 대한 요구사항, 즉 TSN(Time-Sensitive-Networking)이라고 하는 부분인데, 티티텍도 이 분야에서 활발하게 움직이고 있습니다.
티티텍이 예상하기는 각 영역별 네트워크는 앞으로 이더넷으로 연결될 것이며, 자율주행 및 인포테인먼트와 같이 높은 대역폭이 요구되는 영역에서는 현존하는 기술이 앞으로 점차 이더넷으로 대체될 것입니다. 센서 역시 마찬가지입니다. 하지만 이러한 변화에도 불구하고 CAN/CAN FD 및 LIN과 같은 전통적인 프로토콜은 오래 존재할 것입니다.
Q. Ethernet 상용화로 MOST와 FlexRay가 완전히 사라질 것이라는 전망도 있는데.
A. 이는 제 생각과 일치합니다.
Q. 끝으로, AEM 독자들에게 남기고 싶은 말은.
A. 현재 우리는 IT 기술이 자동차로 옮겨가는 격동의 시기를 살고 있습니다. 지금까지 상상도 못했던 응용기술들이 이 변화를 통해 가능해지고 있으며, 10년 후에는 지금과는 현저하게 다른 전자기술이 자동차에 적용되고 있을 것입니다. 그렇기 때문에 지금은 용기와 열린 마음으로 새로운 기술과 혁신적인 사고방식에 도전하되, 전통적인 공학가치, 즉 신중함과 책임감을 기반으로 이를 결합하는 것이 중요합니다. 우리는 앞으로 흥미진진하고 보람있는 다양한 과제들을 접하게 될 것입니다. 티티텍은 한국과도 이러한 도전을 같이 할 기회가 있기를 기대합니다.
<저작권자 © AEM. 무단전재 및 재배포, AI학습 이용 금지>