자율주행 버스가 통제 불능 상태로 도주한 사건은 자율주행 시스템의 신뢰성에 대한 중요한 의문을 제기합니다. 기술적 관점에서 이 사건은 단순한 사고가 아니라 자율주행 차량 아키텍처의 취약점을 보여주는 창입니다. 우리는 도주 경로를 3D로 모델링하여 전자 제어 장치(ECU)의 결정과 센서 데이터를 시각화함으로써 이 사례를 분석할 것입니다.
전기 아키텍처 및 ECU 고장의 3D 시각화 🚌
고장을 이해하기 위해 버스와 그 제어 시스템을 3D로 모델링하여 메인 ECU와 주변 장치의 계층 구조를 분석했습니다. 시뮬레이션 결과 가속 페달 위치 센서와 구동 제어 모듈 간의 연결 끊김이 드러났습니다. 3D 재현에서는 버스가 비상 제동 신호를 무시한 이유가 CAN(Controller Area Network) 버스가 결함 있는 속도 센서의 잘못된 명령을 우선시했기 때문임을 확인할 수 있습니다. 이 시각적 분석을 통해 엔지니어는 제어 루프에서 정확한 고장 지점을 식별할 수 있으며, 이는 단락 또는 스로틀 액추에이터 펌웨어 오류로 인해 발생했을 수 있습니다.
자율주행 차량 임베디드 시스템 설계를 위한 교훈 ⚙️
버스 도주 사건은 ECU의 결정 로직이 적절히 분리되지 않으면 센서 중복성만으로는 충분하지 않음을 보여줍니다. 우리의 3D 모델에서 시각화할 수 있는 개선 제안은 전원 관리 장치에 삼중 모듈 중복(TMR) 제어 아키텍처를 구현하는 것입니다. 이렇게 하면 시뮬레이션한 것처럼 단일 손상된 센서가 안전 명령을 무효화하는 것을 방지할 수 있습니다. 3D 모델링은 사건을 기록할 뿐만 아니라 임베디드 시스템을 재설계하고 향후 자율주행 차량의 통제 불능 도주를 방지하기 위한 필수 도구가 됩니다.
ADAS 센서의 경로 및 기하학적 고장 분석을 위한 3D 모델링이 중요한 기동 중 자율주행 버스의 통제 불능 도주를 예측하고 방지하는 데 어떻게 도움이 될 수 있을까요?
(참고: ECU를 시뮬레이션하는 것은 토스터기를 프로그래밍하는 것과 같습니다. 크루아상을 주문하기 전까지는 쉬워 보이죠)