자율 주행 차량, 스마트 로봇, 자율 기계 및 무인 드론의 공통점은 무엇일까요? 바로 모두 에지 컴퓨팅 기술을 사용하여 작동한다는 것입니다. 에지 컴퓨터는 데이터 소스에서 가깝게 작동하도록 특별 제작된 컴퓨터이며, 원격 처리 능력에 의존하지 않습니다.
사소해 보일 수 있는 개념이나 많은 엔지니어들은 에지를 컴퓨팅의 새로운 혁신으로 생각합니다. 기술이 발달하게 되면 많은 산업에 혁신을 일으킬 수 있습니다. 물론 가장 강력한 컴퓨터라도 데이터 없이는 아무 소용이 없으며, 이는 에지 컴퓨팅에서도 마찬가지입니다.
여기서는 자율 주행 차량의 에지 컴퓨팅 애플리케이션에 사용되는 상위 센서에 대해 알아보겠습니다. 기업에서 반복되는 머신 러닝을 계속 사용하여 에지 컴퓨팅 장치를 교육하는 방법에 대해서도 살펴보겠습니다.
에지 컴퓨팅이란 무엇일까요?
컴퓨팅 세계는 광범위한 처리 기능과 방법론을 사용합니다. 일반적으로 컴퓨터와 데이터 센터의 처리 능력은 처리할 수 있는 FLOPS(Floating-point Operations Per Second)의 양으로 측정됩니다.
2022년 지구상에서 가장 강력한 컴퓨터는 442페타플롭스 즉, 442,000TOPS(테라플롭스 - trillion operations per second)로 실행되는 일본의 Fukaku 슈퍼 컴퓨터입니다. 일반적으로 머신 러닝, 인공 지능 및 병렬 컴퓨팅을 전문으로 하는 컴퓨터는 TOPS 측정을 사용하여 벤치마킹됩니다. 시간이 지나면서 슈퍼 컴퓨터의 속도 용량은 엑사플롭스(1,000,000TOPS) 속도 범위를 향해 꾸준히 증가해 왔습니다.
실제 기준으로 iPhone 13은 Apple의 A15 바이오닉 칩에서 실행되며 15.8TOPS를 달성할 수 있습니다. 오늘날의 전화기는 20년 전에 세상에서 가장 빠른 슈퍼 컴퓨터보다 더 강력하다는 사실을 기억하십시오.
데이터 센터는 놀라운 처리 능력과 머신 러닝 및 신경망 교육 애플리케이션의 지속적인 사용으로 유명합니다. 그러나 처리 속도를 활용하려면 직접적 또는 가상으로 데이터 센터에 연결해야 합니다.
에지 컴퓨팅 기술은 데이터 센터에 대한 연결이 불가능하거나 바람직하지 않은 애플리케이션에서 많이 활용됩니다. 예를 들어 움직이는 차량에서 대량의 실시간 동영상 데이터가 수집된다고 가정해 보겠습니다. 이 경우 데이터 센터가 아닌 로컬에서만 AI 이미지 인식을 실행할 수 있습니다.
이는 무선 인터넷 연결 속도가 표준 클라우드 컴퓨팅 데이터 모델을 사용하여 필요한 실시간 데이터 전송을 지원할 수 없기 때문입니다.
에지의 장점
자전거 이용자의 예를 들겠습니다. 차량이 자전거 이용자를 피하는 것과 충돌하는 것의 차이를 만들어 내는 것이 자전거 이용자의 적절한 AI 식별이라면 장애물 회피 알고리즘이 최대한 빨리 식별하고 반응할 수 있도록 모든 안전 조치를 취해야 합니다.
데이터 센터는 이론적으로 "에지"에 배치된 컴퓨터에 비해 더 효율적으로 자전거 이용자를 식별할 수 있으나, 에지 컴퓨터에서는 자율 주행 차량, 센서 및 제어 시스템 내의 통신 대기 시간이 0입니다.
따라서 "에지 컴퓨팅"이라는 용어는 데이터 센터, 워크스테이션 또는 다른 고정 위치 컴퓨터가 아닌 소스 또는 에지에서 데이터를 처리할 수 있는 모든 계산 장치에 적용됩니다.
에지 컴퓨팅은 복잡한 알고리즘을 사용하여 실시간으로 데이터를 처리한다는 점에서 실시간 데이터 처리가 가능합니다. 따라서 실시간 데이터 해석이 필요하고 외부 처리 서버로의 연결이 불가능하거나 안전하지 않은 경우에는 에지 컴퓨팅이 바람직합니다.
그러나 에지 컴퓨터에는 데이터 센터에서 흔히 볼 수 있는 처리 능력이 없으며, 표준 데이터 센터만큼 많은 에너지를 사용할 수도 없습니다. 대신 최신 에지 컴퓨터는 1TOPS 미만에서 수백 TOPS까지 처리 속도를 유지할 수 있습니다.
Arrow.com의 파트너이자 에지 컴퓨팅 분야의 업계 리더인 NVIDIA는 0.472TOPS를 실행하는 JETSON Nano부터 최대 320TOPS를 실행하는 Jetson DRIVE AGX Pegasus까지 다양한 에지 컴퓨팅 솔루션을 제공합니다. 자세한 내용은 NVIDIA JETSON Nano를 설정하는 방법에 대한 기사를 참조하십시오.
자율 주행 차량 센서
실시간 데이터 처리 능력을 감안할 때 에지 컴퓨팅은 자연스레 자율 주행 차량 기술의 한 축이 되었습니다. 그러나 이 데이터는 컴퓨터가 아니라 자율 주행 차량 주변의 "눈"과 "귀"가 되어 주는 여러 센서에 의해 생성됩니다.
센서 토폴로지는 동일한 부문 내에서도 자율 주행 차량에 따라 크게 다를 수 있습니다. 예를 들어, Tesla, Cruise 및 Aurora Innovations와 같이 자율 주행 개인용 자동차 분야의 최고 경쟁업체(모든 기업이 레벨 5 자율 주행 기능을 성공적으로 달성하지 못함)의 광범위한 센서 제품군을 살펴보겠습니다.
다양한 수준의 자율 주행 AI에 대해 자세히 알아보려면 5가지 수준의 자율 주행 차량 기술을 참조하십시오.
한편 Nuro 차량과 같은 자율 배송 로봇과 Google Waymo의 스트리트 뷰 차량과 같이 사람을 태우지 않는 기타 차량의 성능은 완전한 자율 주행의 달성에 훨씬 가까워지고 있습니다.
대부분의 자율 주행 센서는 기본적으로 유사하며, 차량 조종을 돕기 위해 주변 데이터를 수집합니다. 예를 들어 3세대 Nuro 차량에는 카메라 레이더, Lidar 및 열 화상 카메라가 갖춰져 있어 차량 주변을 다각도로 볼 수 있습니다.
현재 Tesla는 8대의 카메라와 12대의 전방 레이더 시스템을 활용하지만, Nuro 차량보다 카메라 영상에 훨씬 더 많이 의존하고 있습니다. Google의 Waymo Driver는 주로 Lidar에 의존하며 카메라와 레이더 센서를 사용하여 주변 지도를 만듭니다.
자율 주행 차량에서 머신 러닝이 AI를 교육하는 방법
모든 자율 주행 자동차 및 차량에서 수집된 센서 데이터의 가치는 센서 자체의 컴퓨팅 방법론 다운스트림에 따라 달라집니다. 여러 면에서 Tesla, Waymo, Aurora Innovations 및 Nuro와 같은 회사의 가장 가치 있는 지적 재산은 센서 데이터를 처리하고 실행하도록 구축된 소프트웨어 및 데이터 인프라입니다.
완전한 자율성을 향한 경쟁의 승자는 최고의 센서 하드웨어가 있는 회사가 아니라, 센서 데이터를 정확하고 효율적이고 안전하게 활용할 수 있는 회사일 것입니다.
오늘날 도로 위의 모든 자율 주행 차량은 흔히 데이터 센터 머신 러닝 모델을 사용하여 교육하는 에지 컴퓨팅 AI 프로그램을 활용합니다. 자율 주행 차량 머신 러닝 모델은 수백 페타플롭이 가능한 최신 데이터 센터의 놀라운 컴퓨팅 성능을 통해서만 가능합니다.
이러한 방대한 머신 러닝 모델의 컴퓨팅 요구 사항은 에지 컴퓨터의 컴퓨팅 성능을 훨씬 능가합니다. 이러한 정보를 고려하여 데이터 센터는 흔히 에지에 배포된 알고리즘을 형성하는 데 사용됩니다.
비유하자면 고급 대수학을 배우는 데는 몇 년이 걸리지만 일단 이해하면 대수학 문제를 빠르고 정확하게 풀게 되는 것과 같습니다.
AI 알고리즘의 교육도 유사합니다. 고출력 데이터 센터에서 수백 시간의 컴퓨팅 시간이 필요합니다. 그러나 알고리즘을 익히면 훨씬 적은 컴퓨팅 성능을 사용하여 해당 알고리즘을 빠르고 정확하게 활용할 수 있습니다.
자율 주행 차량에서 AI를 구현하고 사용하는 방법
자율 주행 차량 기술은 인공 지능의 성공, 차량 센서의 정확도, 강력한 머신 러닝 데이터 센터에 전적으로 의존합니다.
자율 주행 차량 애플리케이션용 머신 러닝 모델을 처리하는 데 수백 또는 수천 페타플롭스의 컴퓨팅 성능이 필요할 수 있지만, 매우 복잡한 이러한 알고리즘은 수백 TOPS의 하드웨어만 사용하여 에지에서 처리할 수 있습니다. 최신 에지 컴퓨터에 허용되는 한도 내에서 방대한 컴퓨팅 성능을 지원하므로, 완전 자율 차량이 곧 실현될 것이 분명합니다.