ACE Home @ KNU
전자공학부 조정훈
ACE Home @ KNU 연구실은 차량용 임베디드 소프트웨어, AUTOSAR 기반 플랫폼, 가상 ECU, 그리고 엣지 인공지능(AI) 기술을 중심으로 첨단 융합 연구를 수행하고 있습니다. 본 연구실은 전자전기공학부를 기반으로 하여, 자동차 산업의 디지털 전환과 소프트웨어 정의 차량(SDV) 시대를 선도할 핵심 기술 개발에 매진하고 있습니다.
연구실의 주요 연구 분야는 AUTOSAR Classic/Adaptive Platform을 활용한 차량용 소프트웨어 표준화, 하드웨어와 소프트웨어의 분리, 그리고 다양한 차량용 통신 프로토콜(CAN, LIN 등)을 지원하는 가상 ECU(Virtual ECU) 기술입니다. 이를 통해 실제 하드웨어 없이도 소프트웨어 개발, 테스트, 검증이 가능하며, 클라우드 네이티브 환경에서 대규모 병렬 테스트 및 자동화된 CI/CD 환경 구축이 가능합니다. 또한, AUTOSAR와 ROS2, DDS 등 최신 미들웨어와의 통합 기술도 활발히 연구되고 있습니다.
임베디드 인공지능 분야에서는 MCU 기반 엣지 디바이스에서의 온디바이스 러닝(On-device Learning), AI 가속기(NPU, PIM 등)를 위한 통합 AI 컴파일러 프레임워크, 그리고 자원 효율적 학습 및 모델 최적화 기술을 개발하고 있습니다. 엣지 환경의 한계를 극복하기 위한 데이터 관리, 지속적 학습, 모델 업데이트 알고리즘 등도 함께 연구하여, 스마트 모빌리티, IoT, 자율주행 등 다양한 산업 현장에 적용하고 있습니다.
본 연구실은 다수의 산학협력 및 국가 R&D 프로젝트를 수행하며, LG전자, 정보통신기획평가원, 한국연구재단 등과 협력하여 실용적이고 신뢰성 높은 기술 개발에 앞장서고 있습니다. 또한, 다양한 특허와 논문, 국제 학술대회 발표를 통해 국내외 연구 커뮤니티와의 활발한 교류를 이어가고 있습니다.
이러한 연구 역량을 바탕으로 ACE Home @ KNU 연구실은 미래형 자동차 소프트웨어, 임베디드 AI, 가상화 및 시뮬레이션, 그리고 엣지 컴퓨팅 분야에서 국내외를 선도하는 연구실로 자리매김하고 있습니다. 앞으로도 지속적인 혁신과 융합 연구를 통해, 차세대 스마트 모빌리티 및 지능형 시스템의 발전에 기여할 것입니다.
AUTOSAR 기반 차량용 소프트웨어 플랫폼 및 가상 ECU 기술
본 연구실은 차량용 소프트웨어의 표준화와 모듈화, 그리고 하드웨어와 소프트웨어의 분리를 실현하는 AUTOSAR(AUTomotive Open System ARchitecture) 플랫폼을 중점적으로 연구합니다. AUTOSAR는 차량 내 전자제어장치(ECU) 소프트웨어의 복잡성을 효과적으로 관리하고, 기능의 재사용성과 확장성을 극대화하는 데 목적이 있습니다. Classic Platform(CP)과 Adaptive Platform(AP) 모두를 다루며, 하드 리얼타임 임베디드 시스템부터 자율주행 등 고성능 연산이 필요한 환경까지 폭넓게 적용하고 있습니다.
특히, 가상 ECU(Virtual ECU, vECU) 기술을 통해 실제 하드웨어 없이도 소프트웨어의 개발, 테스트, 검증이 가능하도록 하는 연구를 수행합니다. vECU는 개발 초기의 알고리즘 모델 단계부터, 실제 ECU와 거의 동일한 실행 환경을 제공하는 Level 4b까지 다양한 수준으로 구현됩니다. 이를 통해 개발 기간 단축, 비용 절감, 대규모 병렬 테스트 및 CI/CD 연계 자동화 환경 구축이 가능해집니다.
또한, 본 연구실은 AUTOSAR 기반의 CAN, LIN 등 차량 통신 프로토콜을 지원하는 FMU(Functional Mock-up Unit) 개발, 클라우드 네이티브 환경에서의 vECU 테스트 인프라, 그리고 AUTOSAR Adaptive Platform과 ROS2, DDS 등 최신 차량용 미들웨어와의 통합 기술까지 폭넓게 연구하고 있습니다. 이러한 기술들은 미래형 소프트웨어 정의 차량(SDV, Software-defined Vehicle) 시대의 핵심 인프라로 자리매김하고 있습니다.
엣지 AI 및 온디바이스 러닝을 위한 임베디드 인공지능 컴파일러와 최적화
본 연구실은 임베디드 시스템 및 MCU(Microcontroller Unit) 기반 엣지 디바이스에서의 인공지능(AI) 모델 학습 및 추론 기술을 심도 있게 연구합니다. 온디바이스 러닝(On-device Learning)은 데이터의 수집, 전처리, 학습, 업데이트를 모두 엣지 장치 내에서 수행함으로써 개인정보 보호, 저지연성, 에너지 효율성 등 다양한 이점을 제공합니다. 그러나 엣지 장치의 제한된 연산 자원과 메모리, 에너지 환경을 극복하기 위한 최적화 기법이 필수적입니다.
이를 위해 본 연구실은 AI 가속기(NPU, PIM 등)를 위한 통합 AI 컴파일러 프레임워크, MLIR(Multi-Level IR) 기반의 계층적 컴파일러 구조, 그리고 타겟 AI 가속기별 모델 병렬화 및 자동 최적화 기술을 개발하고 있습니다. 또한, 엣지 환경에서의 효율적인 데이터 관리 프레임워크, 지속적 모델 학습 및 업데이트 알고리즘, 자원 효율적 학습 방법론 등도 함께 연구합니다. 이러한 연구는 실제 MCU 기반 Edge Computing, 차량용 임베디드 AI, 스마트 센서 등 다양한 산업 현장에 적용되고 있습니다.
특히, 본 연구실은 LG전자, 정보통신기획평가원 등과의 산학협력을 통해 엣지 AI의 실용화와 신뢰성 검증 프레임워크 구축, 재구성형 인공지능 프로세서 SW 프레임워크 개발 등 국가적 R&D 프로젝트를 주도하고 있습니다. 이를 통해 미래 지능형 반도체, 자율주행, 스마트 모빌리티, IoT 등 차세대 융합 산업의 핵심 기술을 선도하고 있습니다.
1
A Coordination Layer for Time Synchronization in Level-4 Multi-vECU Simulation
김형래, 이하림
Electronics, 2025
2
AUTOSAR-Compatible Level-4 Virtual ECU for the Verification of the Target Binary for Cloud-Native Development
김형래, 곽준호
Electronics, 2024
3
ACE-M: Automated control flow integrity enforcement based on MPUs at the function level
이성빈
Electronics, 2022
1
MCU기반 학습기능을 갖춘 AI Edge Computing 개발연구
2
MCU기반 학습기능을 갖춘 AI Edge Computing 개발연구
