분산형 다중 자율주행 차량 시뮬레이션 아키텍처 DMAVA

초록

DMAVA는 ROS 2 Humble, Autoware Universe, AWSIM Labs, Zenoh를 결합해 여러 물리적 호스트에 걸쳐 독립적인 자율주행 스택을 동시에 실행할 수 있는 분산 시뮬레이션 환경을 제공한다. 차량별 ROS 2 네임스페이스와 데이터 중심의 Zenoh 통신을 통해 센서 데이터와 제어 명령을 실시간으로 교환하며, 다중 차량 로컬라이제이션 안정성, 통신 신뢰성, 시스템 확장성을 실험을 통해 검증한다. 또한 다중 차량 자동 주차(Valet Parking) 시나리오를 시연함으로써 협업 자율주행 연구의 기반을 제시한다.

상세 분석

DMAVA는 기존 시뮬레이터가 단일 차량 중심이거나 중앙집중식 제어에 머무는 한계를 극복하기 위해, 완전 분산형 아키텍처를 설계하였다. 핵심 요소는 다음과 같다.

1. 시스템 구성

   • AWSIM Labs: Unity 기반 물리·센서 시뮬레이터로, 차량 물리와 LiDAR·카메라·IMU 등 가상 센서를 제공한다. 기존에는 단일 차량만 지원했으나, VPP(Vehicle Physics Pro) 의존성을 제거하고 차량 프리팹을 복제·수정함으로써 다중 차량을 동일 씬에 배치할 수 있게 했다.
   • Autoware Universe: ROS 2 Humble 기반 자율주행 스택으로, perception‑localization‑planning‑control 파이프라인을 포함한다. 각 차량마다 독립적인 Autoware 인스턴스를 실행한다.
   • Zenoh: 데이터 중심 publish‑subscribe 프로토콜로, ROS 2 토픽을 네임스페이스 별로 라우팅하고 필터링한다. 라우터 모드와 클라이언트 모드가 각각 시뮬레이션 컨테이너와 차량 자율주행 컨테이너에 배치되어, 네임스페이스 변환을 자동화한다.

2. 네임스페이스 기반 격리

   • 각 차량은 /vehicle1, /vehicle2 … 와 같은 고유 ROS 2 네임스페이스를 부여받아 토픽 충돌을 방지한다. Zenoh 클라이언트는 해당 네임스페이스만 구독하고, Autoware 내부에서는 네임스페이스가 제거된 기본 토픽 구조를 사용한다. 이렇게 하면 기존 Autoware 코드를 수정하지 않고도 다중 차량을 동시에 운영할 수 있다.

3. 통신 최적화

   • 고대역폭 이미지 토픽과 파라미터 서비스는 Zenoh 설정 파일에서 명시적으로 차단하여 네트워크 부하를 최소화하고, 로컬라이제이션·제어 루프에 필요한 LiDAR·Pose 토픽만 전송한다. JSON5 기반 설정 파일을 통해 토픽 필터링, 라우팅 정책, QoS 등을 세밀하게 조정한다.

4. 로컬라이제이션 강화

   • 기본 NDT 매칭이 차량 스폰 지점에서 기하학적 특징이 부족해 불안정했으며, 이를 해결하기 위해 맵을 Blender에서 정제하고 평면 벽을 추가해 스캔 매칭 표면을 강화했다. 또한 호스트별 CPU 성능 차이를 고려해 NDT 파라미터를 조정함으로써 정확도와 연산 부하 사이의 균형을 맞췄다.

5. 실험 설계 및 결과

   • 두 호스트 구성: Nitro PC(시뮬레이션+Vehicle 1)와 ROG Laptop(Vehicle 2)에서 각각 컨테이너를 실행. 로컬라이제이션 오차 < 0.15 m, 제어 지연 < 30 ms를 유지하며 안정적인 클로즈드‑루프 운행을 확인.
   • 세 호스트 확장: 추가 VICTUS Laptop에 Vehicle 3을 배치, 시스템 전체 CPU·GPU 사용량을 70 % 이하로 유지하면서도 통신 지연이 5 ms 이하로 증가하지 않음.
   • 자율 주차 시연: 다중 차량이 협업하여 지정된 주차 구역에 순차적으로 진입·정렬하는 Valet Parking 시나리오를 구현, 각 차량이 독립적인 경로 계획과 충돌 회피를 수행함을 증명했다.

6. 장점 및 한계

   • 장점: ROS 2 네이티브, 오픈소스 기반, 물리·센서 정확도 유지, 호스트 추가에 따른 선형 확장성, 기존 Autoware 파이프라인 재사용 가능.
   • 한계: 현재는 차량당 하나의 Autoware 인스턴스만 지원하므로, 차량 수가 급증하면 네트워크·CPU 부하가 급격히 증가할 가능성이 있다. 또한 VPP 라이선스 회피를 위해 Unity 프리버전에서 구현했지만, 상용 물리 엔진과의 정밀도 차이가 존재한다.

전반적으로 DMAVA는 분산형 멀티‑AV 시뮬레이션을 실현하기 위한 실용적인 프레임워크이며, 특히 ROS 2와 Autoware 기반 연구자들에게 즉시 적용 가능한 설계이다. 향후 연구에서는 대규모 차량군 시뮬레이션, V2V 직접 통신, 그리고 하드웨어‑인‑루프(HIL) 연계까지 확장할 여지가 크다.