빅데이터. 강력한 파워와 성과.

콘티넨탈은 인공지능(AI)을 위한 자체 슈퍼컴퓨터 구축에 투자해왔으며, 이는 전 세계 자동차 산업에서 가장 강력한 컴퓨팅 파워를 자랑합니다. 독일 프랑크푸르트의 데이터 센터에서 운영되는 콘티넨탈 슈퍼컴퓨터는 전 세계 개발자들에게 높은 수준의 컴퓨팅 파워를 제공합니다.


 

자율주행 구현을 위한 차량용 슈퍼컴퓨터

첨단 운전자 지원 시스템은 AI를 활용해 의사결정을 하고, 운전자를 보조해 궁극적으로 자율주행을 구현합니다. 그러나 시스템이 점점 더 복잡해지면서 전통적인 소프트웨어 개발과 머신러닝 방법은 한계에 도달했습니다. 따라서 신뢰할 수 있고 강력한 AI 기반 솔루션 개발에 있어 딥러닝과 시뮬레이션이 근본적인 방안이 되고 있습니다.



딥러닝

머신은 딥러닝을 통해 경험에 의해 학습하고 새로운 정보를 기존 지식과 연결하면서, 인간의 두뇌에서 이루어지는 학습 과정을 모방합니다.

그러나 어린이는 다른 차종들의 수십 장의 사진을 본 후 차량을 인식할 수 있지만, 향후에  운전자를 보조하거나 자율주행을 위한 신경망을 훈련시키기 위해서는 수백 만장의 사진으로  수천 시간의 훈련이 요구되는 엄청난 양의 데이터가 필요합니다.

슈퍼컴퓨터는 이렇게 복잡한 과정에 필요한 시간뿐 아니라 신기술의 출시 시간도 단축해줍니다. 즉, 신경망을 완전히 훈련시키는 데 필요한 시간이 몇 주에서 며칠로 단축될 수 있습니다.
 
시뮬레이션 가상 데이터 생성

신경망 훈련을 위한 데이터는 주로 콘티넨탈의 테스트 차량에서 나옵니다. 현재 이 차량들은 매일 15,000km를 시운전하여 100 테라바이트의 데이터를 수집하고 있습니다. 이는 영화 5만 시간에 달하는 분량과 맞먹습니다.

이렇게 녹화된 데이터는 재생되어 물리적 시운전을 시뮬레이션 함으로써, 새로운 시스템을 훈련시키는데 사용될 수 있습니다.

슈퍼컴퓨터를 활용한 합성 데이터 생성은 많은 컴퓨팅 파워를 필요로 하는 사례로, 시스템이 시뮬레이션 환경에서 가상 주행한 데이터를 기반으로 하는 학습을 가능하게 합니다.
 
개발 프로세스 측면에서의 이점

첫째, 장기적으로 필요한 모든 훈련 시나리오가 시스템 자체에서 즉시 생성될 수 있기 때문에 실제 차량에서 생성된 데이터의 기록, 저장 및 마이닝이 불필요 해 집니다.

둘째, 실제 차량이 수 주간에 걸쳐 주행한 테스트 거리를 가상 차량이 단 몇 시간 만에 주행할 수 있게 되어 개발 속도가 빨라집니다.

셋째, 데이터 합성을 통해 시스템은 변화하고 예측 불가한 상황을 처리하고 대응할 수 있습니다. 궁극적으로 차량이 변화가 극심한 악천후 속에서도 안전하게 주행할 수 있고 보행자 이동 시 안전한 예측을 할 수 있도록 하여, 높은 수준의 자동화를 가능하게 합니다.



엔비디아 DGX 적용한 슈퍼컴퓨터

콘티넨탈의 슈퍼컴퓨터는 엔비디아 멜라녹스 인피니밴드(NVIDIA Mellanox InfiniBand) 네트워크에 연결된 50개 이상의 엔비디아 DGX 시스템을 갖추고 있습니다. 이는 전 세계 슈퍼컴퓨터의 순위를 발표하는 ‘톱500’에서 자동차 업계 최고의 시스템으로 꼽히고 있습니다. 필요 시 클라우드 솔루션을 통해 용량과 스토리지를 확장할 수 있는 하이브리드 접근 방식이 채택되고 있습니다.

보도자료: 콘티넨탈, 엔비디아 DGX 적용한 차량 AI 시스템 훈련용 슈퍼컴퓨터 가동

Downloads