AI 에이전트를 활용해 수동 작업을 자동화하세요. 신경망 시뮬레이션 파이프라인을 통해 3D 환경을 재구성하세요. 작업을 분과 시간 단위로 완료하세요, 날짜와 주 단위가 아닌.
개발, 검증, 배포를 위한 단일 통합 플랫폼을 활용하세요. AI 기반 도구를 통해 프로그램 일정을 평균 4년에서 12개월로 단축하세요.
대규모 데이터 인프라를 활용해 로그를 자동으로 필터링, 태그 지정, 라벨링합니다. 퍼징, 센서 확산, 세계 모델 샘플을 사용해 합성 시나리오를 보강합니다. 다양하고 현실적인 시나리오 라이브러리를 생성합니다.
전체 차량 소프트웨어 통합 테스트를 통해 가상화된 모든 소프트웨어에 대한 100% 커버리지를 달성합니다. 데이터 및 ML 인프라를 통해 테스트 차량에서 발생한 모든 문제를 수집, 원인 분석, 수정합니다.
첨단 운전자 지원 시스템 (ADAS) 은 안전과 주행을 향상시키기 위해 차량에 사용되는 기술입니다. 자동차 이미징, 라이더, 레이더, 컴퓨터 비전, 센서 등 다양한 데이터 소스의 입력에 의존하여 주차, 차선 유지, 충돌 회피와 같은 작업을 운전자에게 지원합니다.
자율 주행 (AD) 은 사람의 개입 없이 차량이 스스로 운전할 수 있도록 하는 시스템의 개발 및 배포와 관련된 기술입니다. 여기에는 센서, 소프트웨어 알고리즘, 머신 러닝 등 다양한 기술을 사용하여 환경을 인식하고, 의사 결정을 내리고, 차량을 효과적이고 안전하게 제어하는 것이 포함됩니다.
미국자동차공학회 (SAE) 는 0(완전 수동)부터 5(완전 자율)까지 6단계의 주행 자동화 수준을 정의하고 있습니다. 각 레벨은 차량의 자율성 정도를 설명하며, 시스템이 인간 운전자에 비해 얼마나 많은 통제권을 가지고 있는지를 나타냅니다. 이 레벨은 미국 교통부에서 채택한 것입니다.
종합적인 ADAS 및 AD 개발 플랫폼에는 일반적으로 시뮬레이션, 검증 및 데이터 관리 툴이 포함됩니다. 이러한 구성 요소가 함께 작동하여 ADAS 및 AD 소프트웨어의 신속한 개발, 테스트 및 배포를 가능하게 합니다.
ADAS 및 AD 시스템의 필수 테스트 유형에는 실제 테스트, 테스트 트랙 테스트, 가상 테스트가 있습니다. 이러한 테스트는 다양한 시나리오에서 시스템의 신뢰성과 효율성을 평가합니다. 기능 안전 테스트는 시스템이 입력 및 장애에 올바르게 반응하는지 확인하여 다양한 환경에서 성능을 검증합니다.
시뮬레이션 툴은 알고리즘을 테스트하고 개선하기 위한 안전하고 확장 가능하며 비용 효율적인 환경을 제공함으로써 ADAS 및 AD 개발에서 중요한 역할을 합니다. 실제 환경에서 테스트하기에는 비현실적이거나 위험한 복잡한 주행 시나리오와 센서 상호 작용을 모델링하고 시뮬레이션하는 데 도움이 됩니다.
AI는 차량이 실시간으로 의사 결정을 내리고 다양한 환경 조건에서 학습하며 머신러닝 모델을 통해 개선함으로써 복잡하고 역동적인 도로 상황을 처리할 수 있는 능력을 향상시킵니다.
ADAS 및 AD 시스템의 필수 테스트 유형에는 실제 테스트, 테스트 트랙 테스트, 가상 테스트가 있습니다. 이러한 테스트는 다양한 시나리오에서 시스템의 신뢰성과 효율성을 평가합니다. 기능 안전 테스트는 시스템이 입력 및 장애에 올바르게 반응하는지 확인하여 다양한 환경에서 성능을 검증합니다.
V-모델은 자동차 산업에서 특히 안전 критический 시스템에 널리 사용되는 구조화된 접근 방식입니다. 이 모델은 제품 및 시스템 요구사항부터 시작해 기능 설계 과정을 거쳐 소프트웨어 구현으로 이어집니다. 이후 소프트웨어는 소프트웨어-인-더-루프(Software-in-the-Loop), 하드웨어-인-더-루프(Hardware-in-the-Loop) 테스트를 거쳐 배포되고 생산을 위한 검증 과정을 거칩니다.
전통적인 개발 V-모델에서는 소프트웨어 통합이 자주 이루어지지 않으며, 하드웨어에 대한 의존도가 너무 높습니다. 또한, 지역별 분산된 도구와 느린 개발 사이클로 인해 버그와 생산 지연이 발생합니다.