초록 ▼

연구개요
본 연구는 AUTOSAR 표준에 따라 모델 기반으로 개발된 자동차 제어 시스템을 멀티코어, 매니코어, GPU 기반 컴퓨터 시스템에 안전하고 효과적으로 구현하기 위한 개발 프로세스와 최적화 방법을 개발하는 것을 목표로 함. 기존 실시간 시스템 최적화 기술들은 실시간 운영체제의 태스크를 시스템 구성의 최소 단위로 하여 시스템을 모델링하고 스케줄링을 최적화 하는데 반해서 AUTOSAR 시스템은 더 작은 Runnable을 기본 단위로 매우 복잡한 Runnable 간의 Data Dependency를 가지고 있는 보다 복잡한 시

연구개요
본 연구는 AUTOSAR 표준에 따라 모델 기반으로 개발된 자동차 제어 시스템을 멀티코어, 매니코어, GPU 기반 컴퓨터 시스템에 안전하고 효과적으로 구현하기 위한 개발 프로세스와 최적화 방법을 개발하는 것을 목표로 함. 기존 실시간 시스템 최적화 기술들은 실시간 운영체제의 태스크를 시스템 구성의 최소 단위로 하여 시스템을 모델링하고 스케줄링을 최적화 하는데 반해서 AUTOSAR 시스템은 더 작은 Runnable을 기본 단위로 매우 복잡한 Runnable 간의 Data Dependency를 가지고 있는 보다 복잡한 시스템 구조를 가짐. 본 연구는 기존의 시스템 최적화 연구를 AUTOSAR 표준에 맞추어 Runnable을 기본 단위로 하는 관점 전환을 통해 기존 방법을 개선하고 이에 따른 새로운 시스템 모델을 정립하는 최적화 이론을 개발함.

연구 목표대비 연구결과
모델 기반으로 개발된 제어 시스템을 최적 구현하기 위하여 다음과 같은 연구결과를 도출: (1) Runnable 주기 최적화를 통해 제어 주기와 센서-엑추에이터 종단간 지연시간 사이의 트레이드오프 관계를 이용한 제어 성능 최적화 방법을 개발함. 이를 통해 같은 제어 알고리즘과 같은 컴퓨팅 자원으로도 Runnable 주기를 조정하여 최적의 제어 성능을 끌어낼 수 있음. 해당 최적화 알고리즘은 기존의 오랜 시간이 걸리던 문제 공간 탐색 방법을 사용하지 않고 복잡한 시스템에 대해서도 최적 파라미터를 계산식을 이용하여 빠르게 찾아낼 수 있음. 그렇기 때문에 시스템 복잡도와 무관하게 효과적으로 최적 시스템 구조를 설계할 수 있음. (2) 멀티코어 MCU를 사용하는 경우 Runnable의 주기 뿐만 아니라 각 Runnable을 어떤 코어에 배치할 것인지에 대한 코어 매핑 문제가 발생함. 특히 Data Dependency가 있는 Runnable들을 서로 다른 코어에 배치할 경우 필연적으로 공유 자원 보호를 위한 오버헤드가 발생함. 본 과제는 Runnable 소스코드로부터 자동으로 상호간의 Data Dependency를 추출해 Data Dependency Graph를 생성하고 Graph Partitioning을 이용해 코어간 공유 자원의 수를 최소화 하는 매핑 방법을 찾는 알고리즘과 툴을 개발함. (3) 멀티코어를 넘어서 매니코어 GPU 시스템의 Deep Neural Network 기반의 추론 시스템의 종단간 지연시간을 최적화하는 멀티코어 파이프라인 아키텍처를 개발하여 기존 객체인식 시스템에 적용한 결과 83%의 종단간 지연시간을 줄이는데 성공.

연구개발결과의 중요성
자동차 제어 시스템을 구현하기 위한 하드웨어/소프트웨어 플랫폼은 본 과제가 시작한 2017년 이후 급격한 변화를 겪고 있음. 본 과제는 이와 같은 하드웨어/소프트웨어 플랫폼의 변화 속에서 자동차 제어 시스템을 안전하고 효율적으로 구현하기 위한 시스템 수준의 기술을 개발하였음. 전통적인 제어 시스템을 위한 Classic AUTOSAR와 자율주행 응용을 위한 Adaptive AUTOSAR 표준은 멀티코어 및 GPU 환경에서 어떻게 제어 시스템을 효율적으로 구현할 것인지에 대한 설계 기술은 표준으로 제공하지 않고 개발자에 온전히 맡겨두고 있음. 그렇기 때문에 본 과제가 개발한 제어 시스템을 안전하고 효율적으로 구현하는 방법은 미래 자동차 산업 경쟁력 강화에 크게 기여할 것이라 기대함.

(출처 : 요약문 3p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 3
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• (1) 필요성 ... 5
• (2) 연구 목표 ... 5
• (3) 연구 내용 ... 6
• 2. 연구수행내용 및 연구결과 ... 7
• (1) Control-Scheduling Codesign for Time-sensitive AUTOSAR Applications ... 7
• (2) Runnable-to-Core Mapping Minimizing Inter-Core Shared Resource Protection Overhead ... 10
• (3) End-to-End Delay Optimization of Neural Network Inference System ... 12
• 3. 연구개발결과의 중요성 ... 14
• 4. 참고문헌 ... 15
• 5. 연구성과 ... 16
• 대표적 연구실적 ... 18
• 끝페이지 ... 28