자일링스 솔루션은 라이더를 위한 뛰어난 컴퓨팅 요건과 진화하는 설계, 그리고 비용 및 전력 문제를 해결할 수 있는 기반을 갖추고 있다. 주요 자동차 제조업체들이 라이더에 대한 투자를 강화함에 따라 자일링스의 독보적이고, 강력한 기술 또한 확산되고 있다.

글/ 수딥 내그(Sudip Nag), 자일링스 소프트웨어 및 AI 제품 부사장




자동 긴급제동 시스템(Automatic Emergency Braking, AEB)과 운전자 모니터링 시스템을 갖춘 첨단 운전자 지원 시스템(Advanced Driver Assistance System, ADAS)의 등장으로 자동차의 안전성이 더욱 강화되고 있다.

이러한 기능이 더욱 정교해짐에 따라 안정적인 자동주행이 가능하게 되었다. 예를 들어, AEB는 단지 차량의 전방을 확인하는 것에서 시작되었지만, 이제는 보행자와 교통체증, 자전거 및 도로상의 객체들을 감지할 수 있다. 20개 자동차 제조업체는 운전자를 지원하는 AI의 중요성을 인식하고, 2022년 9월까지 대부분의 신형 승용차에 저속 AEB 및 전방충돌 경고 시스템을 장착하는데 동의했다.

이를 위해 자동차는 정교한 차량 센서 및 관련 프로세싱 시스템을 갖춰야한다.

카메라와 레이더를 넘어, 제3의 센서인 라이더(Light Detection and Ranging, LiDAR)가 주목을 받고 있다. 라이더는 레이더 기술과 마찬가지로 레이저 광선을 이용해 객체가 얼마나 멀리 떨어져 있는지 판단하며, 카메라 및 레이더의 이미지처럼, CNN(Convolutional Neural Network)을 이용하여 도로상의 객체를 감지할 수 있다.

라이더 센서의 차이점은 수천 개의 포인트가 있는 3D 포인트 클라우드 데이터(공간상의 데이터 포인트 세트)를 생성한다는 것이다. 따라서 정확도와 정밀도가 훨씬 뛰어나다. 또한 라이더를 사용하면, ADAS 및 자동주행 시스템 전반에 걸쳐 리던던시(Redundancy)를 보장할 수 있다. 예를 들어, 카메라가 태양광이나 다가오는 차량의 전조등 반사로 인해 특정 객체를 놓칠 수 있는 반면, 라이더는 이러한 반사로부터 영향을 받지 않기 때문에 도로 한가운데 있는 사람을 감지할 수 있다.





하지만 라이더는 두 가지 큰 과제를 가지고 있다.

▶높은 컴퓨팅 요건: 라이더 기술은 풍부한 라이더 데이터를 처리해야하기 때문에 자동차 산업에서 훨씬 더 오래 사용되어 온 카메라 및 레이더에 비해 높은 비용이 소모된다.

▶다양하게 진화하는 설계: 솔리드-스테이트(Solid-State) 스캐닝 및 솔리드 스테이트 플래시를 비롯해 회전 MEMS 및 FMCW 등 다양한 유형의 라이더 거리측정 방식이 존재한다.

자일링스(Xilinx)는 두 가지 과제를 모두 해결할 수 있는 독보적인 기술을 보유하고 있다. 유연한 I/O 구성 및 프로그래머블 로직과 결합한 강력한 DSP 성능을 통해 다양한 라이더 제조업체들이 요구하는 높은 컴퓨팅 성능 요구에 부합할 수 있다. 또한 자일링스의 디바이스는 모든 라이더 센서 구성에 따라 적응할 수 있는 프로그램이 가능한 하드웨어를 포함하고 있어 다양하게 진화하는 설계에 이상적이다. 라이더 기술은 비교적 새로운 기술로, ADAS 및 자동주행 시장에 아직 공통된 접근방식이 자리 잡지 않았기 때문에 명확한 ASSP/ASIC 디바이스 아키텍처가 없다.

또한 라이더를 위한 높은 컴퓨팅 성능과 진화하는 설계 요구를 충족하는 것 외에도, 자일링스 솔루션은 비용과 전력 이슈를 해결하는데 뛰어나다. 자일링스 FPGA는 다중 센서 RX 채널을 위해 완벽한 하드웨어 기반 프로세싱 파이프라인을 구현할 수 있다. 이를 통해 다양한 목적에 따라 동시 및 독립적인 RX 채널 프로세싱이 가능하다. 또 사후-감지(Post-Detection) 프로세싱(예: 포인트 클라우드 생성 및 그리드 매핑)을 위한 통합 하드웨어 가속화는 물론, 프로세싱 시스템과 프로그래머블 로직 간의 고대역폭 연결을 이용해 센서 소프트웨어 및 관련 하드웨어 가속화 기능 간의 이상적인 파티셔닝을 지원한다.

FPGA를 이용한 통합 솔루션은 비용 절감 효과도 제공한다. 또 병렬 하드웨어 프로세싱을 통해 클럭 속도에 대한 요구를 줄임으로써 전력 소비도 절감할 수 있다. 이러한 통합 솔루션은 센서 소프트웨어뿐만 아니라 하드웨어 재프로그램 기능까지 업데이트할 수 있는 독보적인 기회를 제공한다.





고객 사례

제트비전(ZVISION)은 솔리드-스테이트 라이더 기술을 개발하는 스타트업으로, 라이더 신호 처리 및 포인트 클라우드 기반 AI 알고리즘을 위한 하드웨어 프로세싱 플랫폼으로 자일링스를 채택했다. 자일링스 디바이스는 하이-레벨 커스터마이제이션과 지속적으로 진화하는 신호 처리 알고리즘을 비롯해 AI 프로세싱을 위한 병렬 컴퓨팅 성능에 대한 제트비전의 요구사항을 충족했다.

중국의 스타트업 로보센스(RoboSense)는 기존의 엔비디아/젯슨(NVIDA/Jetson) TX2 기반 솔루션 대신 포인트 클라우드 AI 객체 인식이 가능한 자일링스 디바이스를 채택했다. 로보센스는 자일링스 디바이스의 처리량과 지연시간의 이점은 물론, 비용 효율성에 대해 높이 평가했다. 또 로보센스의 RS-LiDAR-M1(자일링스 DPU를 이용한 포인트 클라우드 객체 인식 지원)은 CES 2020 혁신상을 수상하기도 했다.

자일링스 솔루션은 라이더를 위한 뛰어난 컴퓨팅 요건과 진화하는 설계, 그리고 비용 및 전력 문제를 해결할 수 있는 기반을 갖추고 있다. 주요 자동차 제조업체들이 라이더에 대한 투자를 강화함에 따라 자일링스의 이러한 독보적이고, 강력한 기술 또한 확산되고 있다.

이는 자일링스 디바이스가 라이더에 채택되면서 확실하게 입증되고 있다. 로보센스와 제트비전 외에도, 바라자(Baraja), 베네웨이크(Benewake), 블릭펠트(Blickfeld), 허사이(Hesai), 이노뷰전(Innovusion), 옵시스(Opsys), 아워스(OURS), 아우스터(Ouster), 팬텀 인텔리전스(Phantom Intelligence), 포인트클라우드(Pointcloud), 슈어스타(SureStar) 등 많은 기업들의 라이더 솔루션에 자일링스 기술이 사용되고 있다. 이러한 솔루션은 많은 차량에 구축되어 있으며, 아마 여러분의 자동차에도 해당될 수 있을 것이다.