테크니컬 컴퓨팅 소프트웨어 리더, 매스웍스

[테크월드=정환용 기자] 1984년 설립된 테크니컬 컴퓨팅 기업 매스웍스(MathWorks)는 통신, 반도체, 자동차, 국방, 항공, 금융 등 각종 산업 분야에 걸쳐 전 세계 175여 개국 100만여 명의 엔지니어들에 ‘매트랩’(MATLAB), ‘시뮬링크’(Simulink) 등의 솔루션을 제공하고 있다. 매스웍스가 주력하고 있는 테크니컬 컴퓨팅은 과학기술 응용 산업의 전반적인 분야에서 제품 연구개발 시기에 필수적으로 요구되는 알고리즘 설계, 시뮬레이션, 데이터 분석, 수치해석, 시각화 등의 작업을 모두 통칭하는 개념이라 할 수 있다.

기존의 C, C++ 또는 포트란(Fortran) 프로그래밍 언어와 비교해, 매스웍스는 복잡한 시스템 개발에 효율적인 협업 도구, 손쉬운 시각화와 최적화된 설계를 제공하기 위한 연구개발을 지속해 왔다. 매스웍스의 대표 제품인 ‘매트랩’은 컴퓨터화, 시각화, 탄력적인 프로그래밍과 개방형 환경을 통합한 고급 프로그래밍 언어다. 매트랩의 수학, 통계, 엔지니어링 함수가 제공하는 탁월한 산술 연산 능력은, 데이터 수집과 분석에서부터 응용프로그램 개발에 요구되는 일련의 연산 작업을 효율적으로 수행할 수 있다.

매스웍스의 또 다른 대표 제품인 ‘시뮬링크’는 멀티 도메인 동적·내장형 시스템의 시뮬레이션, 모델 기반 설계를 위한 그래픽 환경이다. 제어시스템 설계, 디지털 신호 처리(DSP) 설계, 통신 시스템 설계, 시뮬레이션 응용 등에 사용된다. 모델 기반 설계(Model-Based Design) 기법을 지원하는 시뮬링크는 가상 시제품을 가장 빠르게 제작, 테스트함으로써 최소의 노력으로 어떤 R&D 공정에서라도 설계 콘셉트를 확정할 수 있도록 도와준다.

다음은 매스웍스 솔루션의 역할과 목표, 2017년 하반기 업데이트에 대해 매스웍스코리아 이영준 부장과 서면으로 나눈 일문답이다. 이영준 부장은 최근 빠르게 상승하고 있는 자율주행 시장에 대응해, 매스웍스의 대표 솔루션 매트랩과 시뮬링크도 센서 퓨전 알고리즘과 딥러닝 기반의 시맨틱 분할(Semantic Segmentation) 기능 등 다양한 관련 기능을 업그레이드했다고 언급했다.

Q. 미국 교통안전국 기준 레벨 4단계의 완전 자율주행에 이르기 위한 기술 발전 과제는 무엇인가?
한정된 상황에서의 레벨 3 자율주행은 많은 업체가 구현하고 있다. 이를 모든 조건 하에서 자율주행이 가능한 4단계로 진입시키려면, 알고리즘을 더 빠르게 처리하고 주어진 알고리즘을 튜닝하는 작업이 필요하다. 특히 빅데이터, 딥러닝 같은 기술을 활용해 이미지에 대한 보다 정확한 추정과 함께 레이더와 같은 다양한 센서의 알고리즘 계산을 가속화할 필요가 있다.

Q. 자율주행 자동차가 빅데이터를 활용하는 과정과 오토노머스(Autonomous) 기술을 구축하는 과정에서 매트랩, 시뮬링크의 역할은 무엇인가?
빅데이터, 딥러닝과 같은 기술의 발전은 이미지를 통해 정확한 물체 인지 능력을 갖추고 이를 판단하는 알고리즘의 개발을 가능케 한다. 매트랩을 활용한 빅데이터와 딥러닝의 기술은 기존 자동차 업계에서 엔지니어가 애플리케이션 또는 기타 다양한 소프트웨어를 통해 사전에 훈련시킨 모델을 가져와 쉽게 사용할 수 있도록 지원하는 다양한 방법을 제공하며, 데이터를 이용해서 직접 훈련시킬 수 있도록 한다.

기존의 빅데이터, 딥러닝은 실시간 환경에서의 적용보다는 후처리의 알고리즘을 활용해 실제 계산에 많은 시간이 소모된다. 게다가 기존의 하드웨어는 알고리즘 계산 속도가 느려 빠른 연산을 제공하는 GPU 활용에 대한 요구사항이 존재했다. 매스웍스가 새로 출시한 GPU 코더(GPU Coder)를 통해 기존에 매트랩으로 작업했던 함수들을 손쉽게 GPU 하드웨어 환경으로 옮겨 알고리즘의 계산 속도를 비약적으로 높이고, 빠른 연산을 구현할 수 있다.

오토노머스 시스템 구현을 위해서는 다양한 시나리오에서 시뮬레이션을 통해 알고리즘을 검증해야 한다. 시뮬링크를 활용하면 실제 도로에서의 움직임을 재현하고 이를 테스트할 수 있으며, 실제 하드웨어에 구현된 알고리즘을 탑재할 때 코드 생성 제품을 통해 알고리즘 재구현, 정합성 테스트에 걸리는 긴 시간을 단축시킬 수 있다. 또한, 소프트웨어 개발에는 초기 검증이 가장 중요한데, 시뮬링크는 초기 검증에 대한 다양한 지원을 제공해 시뮬레이션·알고리즘 검증에 최적화된 환경을 제공한다.

Q. 자율주행 자동차 개발 현업에서 매트랩과 시뮬링크가 활용되고 있는 사례를 기술과 성능 향상, 그리고 오류 수정과 개선 부분으로 구분해 소개한다면?
BMW는 자율주행 시스템 개발을 진행하면서 학교와의 협업, 소프트웨어의 재사용성 등을 이유로 오픈소스 로봇 개발 프레임워크인 ROS(Robot Operating System)를 이용하고 있었다. BMW는 매스웍스가 2015년 출시한 ‘로보틱스 시스템 툴박스’(Robotics System Toolbox)의 ‘시뮬링크-ROS’(Simulink-Robotics System Toolbox) 인터페이스 도입을 통해, 엔지니어에게 익숙한 시뮬레이션 환경에서 ROS에 적합한 알고리즘을 개발할 수 있게 됐다.

스카니아(SCANIA)는 매트랩과 시뮬링크로 상용 차량용 자동 긴급제동시스템(Autonomous Emergency Brake, AEB)을 위한 이종 센서 간의 신호 융합(Sensor Fusion) 알고리즘을 개발, 검증하는 전체 프로세스를 구성했다. 이를 위해 주행 중인 차량의 센서를 통해 수집된 데이터 중에서 노면, 날씨, 주행 상황 등의 조건을 기준으로 데이터를 선별해, 소프트웨어 검증에 필요한 다수의 테스트 시나리오를 작성했다. 이런 방식으로 테스트 시나리오를 작성한 후엔 매트랩과 시뮬링크를 통해 소프트웨어를 출하할 때마다 해당 시나리오를 반복적으로 테스트하는 환경을 자동화해, 소프트웨어 오류로 인한 품질 문제를 해결할 수 있었다.

Q. 매트랩과 시뮬링크 제품군의 릴리스 2017b에 새롭게 추가되거나 향상된 기술과 기능은 어떤 것이 있는가?
릴리스 2017b에는 자율주행 기술 관련 신기능이 추가됐고, 몇 가지 기능들이 향상됐다. ‘자동 주행 시스템 툴박스’(Automated Driving System Toolbox)는 다양한 센서 데이터를 한데 통합해 볼 수 있도록 하는 센서 퓨전 알고리즘을 시뮬링크의 블록으로 제공해, 시뮬레이션의 효율성을 향상시키는 기능을 제공한다. 또한, 임베디드 G PU에 알고리즘을 실행하기 위한 쿠다(CUDA) 코드를 생성할 수 있는 GPU 코더(GPU Coder)가 출시됐고, 보다 명확한 물체 인식을 위해 딥러닝 기반의 ‘시맨틱 분할’(Semantic segmentation) 기능도 더해졌다.

Q. 9월 20일(수) 진행된 매스웍스 주최의 ‘오토모티브 컨퍼런스(Automotive Conference) 2017’는 어떤 주제로 진행됐는가?
올해 진행된 오토모티브 컨퍼런스에서는 C/C++ 코드의 보안 강화를 위한 검증 기능뿐 아니라 운전자 지원 시스템, 자율주행 시스템 개발을 위한 레이더의 비선형·노이즈 효과에 대한 모델링과 시뮬레이션 환경을 소개했다. 또한, ▲자동차가 주행하는 환경을 인식하는 알고리즘을 개발·검증하기 위한 기능 ▲운전 시나리오 발생기를 통해 제어기 또는 센서 퓨전 알고리즘을 검증하는 테스트 시나리오를 구현하는 기능 ▲머신러닝 또는 딥러닝 기반의 물체 검출 알고리즘도 다양한 사례를 통해 직접 선보였다.