Tiny AI models for embedded systems

측정 데이터로 지능형 ECU 기능을 구현하세요.

임베디드 시스템에서 AI가 제공하는 혁신적인 가능성을 경험해 보세요. 기존에는 고성능 머신러닝 모델을 마이크로컨트롤러(MCU)나 마이크로프로세서(MPU)에 적용하려면 사이언스, AI 알고리즘, 하드웨어, 기능 안전 등 다양한 분야의 전문 지식이 필요했습니다. 이타스의 플랫폼은 이 모든 과정을 과정을 간소화하여 임베디드 시스템에 AI를 보다 직관적이고 효율적으로 통합할 수 있도록 지원합니다.

도전 과제

도전 과제

지난 20여 년 동안 엔지니어들은 엔진, 브레이크, 액추에이터와 같은 복잡한 자동차 시스템을 최적화하기 위해 머신러닝(ML)을 활용해 왔습니다. 그 과정에서 이타스 ASCMO와 같은 도구를 통해 정교한 모델과 가상 센서, 정밀 제어 로직을 구축해 왔습니다.

이러한 모델을 ECU에 직접 통합하면 물리적 센서를 대체하고 비용을 절감할 수 있으며, 개발 및 캘리브레이션 과정을 가속화할 수 있습니다. 또한 실시간 추정과 예측, 지능형 기능 구현이 가능해져, 오랜 기간 축적된 엔지니어링 경험을 온디바이스 AI(On-device AI) 형태로 구현하여 더 스마트하고 효율적인 차량 개발을 가능하게 합니다.

문의하기

머신러닝 모델 양산 적용의 주요 과제

최적의 AI 모델 선정 및 개발

ECU용 AI 개발은 매우 복잡한 작업입니다. 모델 유형 선택, 코딩 프레임워크, 개발 파이프라인 구축, 하이퍼 파라미터 튜닝, 데이터 핸들링에 이르기까지 고도의 전문 지식이 필요하기 때문입니다. 특히 범용 AI 도구들은 자동차 산업 특유의 워크플로우와 충돌하는 경우가 많아, 학습 난이도가 높고 개발 효율성이 떨어지는 원인이 됩니다.

임베디드 디바이스로의 배포

AI 모델을 실제 양산 ECU 코드로 전환하는 과정 역시 큰 도전 과제입니다. ECU와의 호환성은 물론, 엄격한 안전 표준 준수, 실시간 성능 확보, 그리고 기존 자동차 툴체인과의 통합이 뒷받침되어야 합니다. 무엇보다 AI 전문가와 임베디드 엔지니어 간의 기술적 접점이 적어, 이 사이의 거대한 격차를 해소하는 것이 큰 숙제입니다.

Graphic of Tiny Ai models in embedded systems

이타스의 솔루션

AI 모델 자동 생성 및 캘리브레이션

ASCMO 제품군을 활용하면 측정 데이터로부터 AI 모델을 자동으로 생성할 수 있어, 대규모의 복잡한 시스템을 고정밀로 모델링하고 분석 및 최적화할 수 있습니다. 자동 모델 탐색 기능을 통해 최적의 후보 모델을 찾고, 평균 제곱근 오차(RMSE), 모델 크기, 추론 시간, RAM, ROM 등의 지표를 기준으로 Pareto front 상에서 최적의 모델을 선택합니다.

고성능 배포를 위한 Embedded AI Coder

Embedded AI Coder는 학습된 신경망을 마이크로컨트롤러(MCU)나 마이크로프로세서(MPU)에서 실행 가능한 최적화된 임베디드 C 코드로 변환합니다. 별도의 특수 하드웨어나 라이브러리 없이도 동작하며, 업계 최고 수준의 성능을 제공합니다. 또한 ISO 26262 기준 ASIL-D까지의 기능 안전 지원이 가능하며, AUTOSAR와 같은 기존 자동차 개발 툴체인 및 소프트웨어 아키텍처에 쉽게 통합할 수 있습니다.