KR20190098097A - 전자 제어 시스템 - Google Patents

전자 제어 시스템 Download PDF

Info

Publication number
KR20190098097A
KR20190098097A KR1020190093818A KR20190093818A KR20190098097A KR 20190098097 A KR20190098097 A KR 20190098097A KR 1020190093818 A KR1020190093818 A KR 1020190093818A KR 20190093818 A KR20190093818 A KR 20190093818A KR 20190098097 A KR20190098097 A KR 20190098097A
Authority
KR
South Korea
Prior art keywords
blade
processor
backplane
processors
communication
Prior art date
Application number
KR1020190093818A
Other languages
English (en)
Inventor
김진경
박남용
이남수
한상우
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190093818A priority Critical patent/KR20190098097A/ko
Publication of KR20190098097A publication Critical patent/KR20190098097A/ko
Priority to US16/551,207 priority patent/US11435758B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G06F13/10—Program control for peripheral devices
    • G06F13/12—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor
    • G06F13/124—Program control for peripheral devices using hardware independent of the central processor, e.g. channel or peripheral processor where hardware is a sequential transfer control unit, e.g. microprocessor, peripheral processor or state-machine
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0421—Multiprocessor system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
    • G05D1/0027—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G06F16/1824—Distributed file systems implemented using Network-attached Storage [NAS] architecture
    • G06F16/183—Provision of network file services by network file servers, e.g. by using NFS, CIFS
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q1/00—Details of selecting apparatus or arrangements
    • H04Q1/18—Electrical details

Abstract

복수의 블레이드 프로세서들 및 복수의 백플레인들을 포함하는 전자 제어 시스템을 제공한다.
본 발명에서 개시하는, 차량, 전자 제어 시스템, 및 자율 주행 차량 중 하나 이상은 인공지능(Artificial Intelligence) 모듈, 드론(Unmmaned Aerial Vehicle, UAV), 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(Virtual Reality, VR) 장치, 5G서비스와 관련된 장치 등과 연계될 수 있다.

Description

전자 제어 시스템{ELECTRONIC CONTROL SYSTEM}
본 개시는 전자 제어 시스템에 관한 것이다. 보다 구체적으로 본 개시는 복수의 블레이드 프로세서들 및 복수의 백플레인들을 포함하는 전자 제어 시스템에 관한 것이다.
자동차의 지능화에 따라 전자 제어 시스템에 대한 관심이 증가되고 있으며, 이러한 전자 제어 시스템을 보다 효과적으로 제공할 필요성이 존재한다.
또한, 자율 주행 차량은 차량 주변의 환경 및 차량 상태를 인식하고, 이에 따라 차량의 주행을 제어할 수 있는 자율 주행 장치가 탑재된 차량을 의미한다. 자율 주행 차량의 연구가 진행됨에 따라, 자율 주행 차량을 이용하여 사용자의 편의성을 증대시킬 수 있는 다양한 서비스에 관한 연구도 함께 진행 중에 있다.
개시된 실시 예들은 전자 제어 시스템을 개시하고자 한다. 본 실시 예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시 예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
본 발명의 일 실시 예에 따른, 차량을 위한 전자 제어 시스템은, 차량에서 서로 다른 기능을 구현하는 복수의 블레이드 프로세서(blade processor)들; 및 복수의 블레이드 프로세서들 간의 전기적 연결을 위해 복수의 블레이드 프로세서들을 수용하는 복수의 백플레인(backplane)들을 포함하고, 복수의 백플레인들 중 제 1 백플레인은, 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용할 수 있다.
다른 일 실시 예에 따라, 복수의 블레이드 프로세서들을 수용하기 위한 백플레인 어셈블리(backplane assembly)는, 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용하는 제 1 백플레인; 및 복수의 블레이드 프로세서들 중에서 적어도 하나의 블레이드 프로세서 외의 다른 블레이드 프로세서를 수용하는 제 2 백플레인을 포함할 수 있다.
또 다른 실시예에 따라, 차량(Vehicle)은, 전자 장치들; 및 전자 장치들을 제어하는 전자 제어 시스템을 포함하고, 전자 제어 시스템은, 전자 장치들을 통해 서로 다른 기능을 구현하는 복수의 블레이드 프로세서(blade processor)들; 및 복수의 블레이드 프로세서들 간의 전기적 연결을 위해 복수의 블레이드 프로세서들을 수용하는 복수의 백플레인(backplane)들을 포함하고, 복수의 백플레인들 중 제 1 백플레인은, 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용할 수 있다.
기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 개시에 따르면, 전자 제어 시스템은, 복수의 백플레인들을 갖는 시스템에서, 무선 통신 기능을 구현하는 블레이드 프로세서를 별도로 수용하는 백플레인을 통해 무선 통신 기능에 따른 노이즈를 보다 용이하게 관리할 수 있는 바, 시스템 안정성을 높일 수 있다. 구체적으로, 블레이드 프로세서가 무선 통신 기능을 구현하는 과정에서 노이즈가 발생할 수 있고, 발생한 노이즈가 다른 블레이드 프로세서에 오작동을 일으킬 수 있으므로, 무선 통신 기능을 구현하는 블레이드 프로세서를 별도로 수용하는 백플레인을 통해 다른 블레이드 프로세서의 오작동을 방지할 수 있다.
발명의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당해 기술 분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 개시에 따른 전자 제어 시스템을 나타낸다.
도 5는 전자 제어 시스템의 제 1 실시예를 나타낸다.
도 6은 전자 제어 시스템의 제 2 실시예를 나타낸다.
도 7은 전자 제어 시스템의 제 3 실시예를 나타낸다.
도 8은 전자 제어 시스템의 제 4 실시예를 나타낸다.
도 9는 본 개시에 따른 차량을 나타낸다.
실시 예들에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "..부" 및 "..모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
또한, 본 명세서에서 인공 지능(AI, Artificial Intelligence)은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)을 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함수 값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
또한, 본 명세서에서 차량은 자율 주행 차량이 될 수 있다. 자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다. 또한, 자율 주행 차량은 차량 주변의 환경 및 차량 상태를 인식하고, 이에 따라 차량의 주행을 제어할 수 있는 자율 주행 장치가 탑재된 차량을 의미할 수 있다. 자율 주행 기능을 가진 로봇으로 볼 수 있다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
여기서 차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
이하에서는 도면을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 일 실시 예에 따른 AI 장치를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량, XR 장치 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, AI 장치(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다. 그러나, 도 1에 도시된 구성 요소 모두가 AI 장치(100)의 필수 구성 요소인 것은 아니다. 도 1에 도시된 구성 요소보다 많은 구성 요소에 의해 AI 장치가 구현될 수도 있고, 도 1에 도시된 구성 요소보다 적은 구성 요소에 의해 AI 장치가 구현될 수도 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multiple Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth?), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)와 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다. 메모리(170)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 일 실시 예에 따른 AI 서버를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)를 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 일 실시 예에 따른 AI 시스템을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)를 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
본 실시 예에 따른 자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
도 4는 본 개시에 따른 전자 제어 시스템을 나타낸다.
전자 제어 시스템(400)은 차량에 포함될 수 있으며, 차량을 제어하기 위한 시스템일 수 있다. 예를 들어, 차량은 자율 주행 차량이 될 수 있다.
전자 제어 시스템(400)은 복수의 블레이드 프로세서(blade processor)들(412,414) 및 복수의 블레이드 프로세서들(412,414)을 수용하기 위한 백플레인 어셈블리(backplane assembly)(450)를 포함할 수 있다. 백플레인 어셈블리(450)는 복수의 백플레인(backplane)들(422,424)을 포함할 수 있다. 도 4에 도시된 전자 제어 시스템(400)은 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 4에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 또한, 도 4에서는, 2개의 복수의 블레이드 프로세서들 및 2개의 백플레인들로 도시되었지만, 이에 제한되지 않고, 전자 제어 시스템(400)은 3개 이상의 복수의 블레이드 프로세서들 및 3개 이상의 백프레인들 또한 포함할 수 있다.
복수의 블레이드 프로세서들(412,414)은 차량에서 서로 다른 기능을 구현할 수 있다. 구체적으로, 복수의 블레이드 프로세서들(412,414) 각각은 마이크로프로세서, 메모리, 및 인터페이스를 포함할 수 있으며, 차량에서 서로 다른 기능을 구현할 수 있다. 또한, 복수의 블레이드 프로세서들(412,414) 각각은 시스템-온-칩(SoC: System-on-Chip)을 포함할 수 있다. 예를 들어, 복수의 블레이드 프로세서들(412,414) 중 제 1 블레이드 프로세서는 외부 기지국으로부터 방송을 수신하는 기능을 구현할 수 있고, 복수의 블레이드 프로세서들(412,414) 중 제 2 블레이드 프로세서는 첨단 운전자 지원 시스템(ADAS, Advanced Driver Assistance System)을 구현할 수 있다.
복수의 블레이드 프로세서들(412,414)은 백플레인 어셈블리(450)에 탈착 가능하도록 설계될 수 있다. 블레이드 프로세서가 백플레인 어셈블리(450)에 장착 시, 블레이드 프로세서와 백플레인 간의 전기적 연결이 형성될 수 있다.
복수의 백플레인들(422,424)은 복수의 블레이드 프로세서들(412,414) 간의 전기적 연결을 위해 복수의 블레이드 프로세서들(412,414)을 수용할 수 있다. 구체적으로, 복수의 백플레인들(422,424) 중 제 1 백플레인(422)은 적어도 하나의 블레이드 프로세서(412)를 수용하여 제 1 백플레인(422)과 적어도 하나의 블레이드 프로세서(412) 간의 전기적 연결이 형성될 수 있으며, 제 2 백플레인(424)은 블레이드 프로세서(414)를 수용하여 제 2 백플레인(424)과 블레이드 프로세서(414)간의 전기적 연결이 형성될 수 있다. 또한, 복수의 백플레인들(422,424)은 서로 연결될 수 있는 바, 적어도 하나의 블레이드 프로세서(412)와 블레이드 프로세서(414) 간의 전기적 연결이 형성될 수 있다. 일 실시예에 따라, 백플레인은 전기적 연결부(electrical connector)로 구성될 수 있으며, PCB(printed circuit board)를 포함할 수 있다.
적어도 하나의 블레이드 프로세서(412)는 무선 통신 기능을 구현하는 블레이드 프로세서일 수 있다. 적어도 하나의 블레이드 프로세서(412)는 RF(Radio Frequency) 신호를 처리하는 블레이드 프로세서일 수 있다. 예를 들어, 적어도 하나의 블레이드 프로세서(412)는, 방송 또는 라디오 신호를 수신하는 블레이드 프로세서, RF 모듈을 포함하는 블레이드 프로세서, 5G 통신 모듈을 포함하는 블레이드 프로세서, V2X(Vehicle to Everything) 통신 기능을 구현하는 블레이드 프로세서, 및 DSRC(Dedicated Short Range Communication) 통신 기능을 구현하는 블레이드 프로세서 중 적어도 하나를 포함할 수 있다. 적어도 하나의 블레이드 프로세서(412)는 RF 신호에 따른 노이즈(noise)를 발생시킬 수 있으며, EMI(Electro Magnetic Interference)를 발생시킬 수 있다.
적어도 하나의 블레이드 프로세서(412)는 CAN(Controller Area Network) 통신에 따른 신호를 처리하는 블레이드 프로세서가 될 수 있다. 또한, 적어도 하나의 블레이드 프로세서(412)는 CAN 통신에 따른 신호를 처리하는 과정에서 노이즈를 발생시킬 수 있다.
복수의 블레이드 프로세서들(412,414) 중에서 적어도 하나의 블레이드 프로세서(412) 외의 다른 블레이드 프로세서(414)는 무선 통신 기능 이외의 기능을 구현하는 블레이드 프로세서일 수 있다. 예를 들어, 블레이드 프로세서(414)는, 디지털 신호 처리를 수행하는 블레이드 프로세서, 고성능 컴퓨터 비전 처리를 수행하는 블레이드 프로세서, 첨단 운전자 지원 시스템(ADAS)을 구현하는 블레이드 프로세서, 차량 애플리케이션용 이미지 인식을 위한 SoC를 포함하는 블레이드 프로세서, 및 각종 인포테인먼트(infotainment) 시스템을 구현하는 블레이드 프로세서 중 적어도 하나를 포함할 수 있다.
복수의 백플레인들(422,424) 중에서 제 1 백플레인(422)은, 복수의 블레이드 프로세서들(412,414) 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서들(412,414)을 별도로(separately) 수용할 수 있다. 구체적으로, 복수의 백플레인들(422,424) 중에서 제 1 백플레인(422)은 복수의 블레이드 프로세서들(412,414) 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서(412)를 배타적으로(exclusively) 수용할 수 있고, 복수의 백플레인들(422,424) 중에서 제 2 백플레인(424)은 복수의 블레이드 프로세서들(412,414) 중에서 무선 통신 기능 이외의 다른 기능을 구현하는 블레이드 프로세서(414)를 수용할 수 있다. 예를 들어, 복수의 백플레인들(422,424) 중에서 제 2 백플레인은(424)은 디지털 신호 처리 기능을 구현하는 블레이드 프로세서(414)를 수용할 수 있고, 복수의 백플레인들(422,424) 중에서 제 3 백플레인(미도시)은 첨단 운전자 지원 시스템(ADAS)을 구현하는 블레이드 프로세서(미도시)를 수용할 수 있다.
따라서, 전자 제어 시스템(400)은, 복수의 백플레인들을 갖는 시스템에서, 무선 통신 기능을 구현하는 블레이드 프로세서를 별도로 수용하는 백플레인을 통해 무선 통신 기능에 따른 노이즈를 보다 용이하게 관리할 수 있는 바, 시스템 안정성을 높일 수 있다. 구체적으로, 블레이드 프로세서가 무선 통신 기능을 구현하는 과정에서 노이즈가 발생할 수 있고, 발생한 노이즈가 다른 블레이드 프로세서에 오작동을 일으킬 수 있으므로, 무선 통신 기능을 구현하는 블레이드 프로세서를 별도로 수용하는 백플레인을 통해 다른 블레이드 프로세서의 오작동을 방지할 수 있다.
예를 들어, 전자 제어 시스템(400)은 무선 통신 기능을 구현하는 제 1 블레이드 프로세서를 수용하는 제 1 백플레인 및 무선 통신 기능 이외의 다른 기능을 구현하는 제 2 블레이드 프로세서를 수용하는 제 2 백플레인을 포함하는 경우, 제 1 백플레인은, 제 1 블레이드 프로세서에 의해 발생하는 노이즈를 필터를 통해 제거할 수 있고, 노이즈가 제거된 제 1 블레이드 프로세서의 데이터를 제 2 백플레인을 통해 제 2 블레이드 프로세서에 전송할 수 있다. 따라서, 제 2 블레이드 프로세서는 제 1 블레이드 프로세서에 의해 발생할 수 있는 노이즈 없이 제 1 블레이드 프로세서의 데이터를 처리할 수 있다.
도 5는 전자 제어 시스템의 제 1 실시예를 나타낸다.
전자 제어 시스템(500)은 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(512,514,516,518) 및 백플레인 어셈블리(550)를 포함할 수 있다. 백플레인 어셈블리(550)는 제 1 백플레인 및 제 2 백플레인(522,524) 및 필터(530)를 포함할 수 있다. 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(512,514,516,518) 및 백플레인 어셈블리(550)는 도 4의 복수의 블레이드 프로세서들(412,414) 및 백플레인 어셈블리(450)와 대응될 수 있는 바, 중복되는 내용에 대해서 생략한다.
제 1 블레이드 프로세서(512) 및 제 2 블레이드 프로세서(514) 각각은 무선 통신 기능을 구현하기 위한 블레이드 프로세서일 수 있다. 예를 들어, 제 1 블레이드 프로세서(512)는 텔레메틱스(telematics) 통신을 위한 모뎀을 포함할 수 있고, 제 2 블레이드 프로세서(514)는 라디오 모듈을 포함할 수 있다.
제 1 백플레인(522)은 무선 통신 기능을 구현하기 위한 제 1 블레이드 프로세서(512) 및 제 2 블레이드 프로세서(514)를 별도로 수용할 수 있다. 제 2 백플레인(524)은 무선 통신 기능 이외의 기능을 구현하는 제 3 블레이드 프로세서(516) 및 제 4 블레이드 프로세서(518)를 수용할 수 있다. 예를 들어, 제 3 블레이드 프로세서(516)는 헤드업디스플레이(Head Up Display) 기능을 구현하기 위한 블레이드 프로세서일 수 있고, 제 4 블레이드 프로세서(518)는 차량 탑승객의 제스처(gesture)를 감지하기 위한 블레이드 프로세서일 수 있다.
제 1 백플레인(522)과 제 2 백플레인(524)은 필터(530)를 통해 연결될 수 있다. 예를 들어, 필터(530)는 RF 노이즈를 제거하기 위한 하이패스필터(high pass filter)일 수 있다. 제 1 백플레인(522) 및 제 2 백플레인(524)은 전기적으로 서로 연결될 수 있고, 제 1 블레이드 프로세서(512)의 데이터 또는 제 2 블레이드 프로세서(514)의 데이터가 제 1 백플레인(522) 및 제 2 백플레인(524)을 거쳐 제 3 블레이드 프로세서(516) 및 제 4 블레이드 프로세서(518)로 전달될 수 있다. 이 때, 제 1 백플레인(522)과 제 2 백플레인(524) 사이에 필터(530)가 존재하므로, 필터(530)는 제 1 블레이드 프로세서(512) 또는 제 2 블레이드 프로세서(514)에서 발생된 RF 노이즈를 제거할 수 있고, 그 결과 발생된 RF 노이즈가 제 3 블레이드 프로세서(516) 및 제 4 블레이드 프로세서(518)에 영향을 미치지 않을 수 있다. 따라서, 제 3 블레이드 프로세서(516) 또는 제 4 블레이드 프로세서(518)는, 제 1 블레이드 프로세서(512) 또는 제 2 블레이드 프로세서(514)에서 발생하는 노이즈에 의한 영향을 받지 않고, 제 1 블레이드 프로세서(512) 또는 제 2 블레이드 프로세서(514)의 데이터를 처리할 수 있다.
도 6은 전자 제어 시스템의 제 2 실시예를 나타낸다.
전자 제어 시스템(600)은 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(612,614,616,618) 및 백플레인 어셈블리(650)를 포함할 수 있다. 백플레인 어셈블리(650)는 제 1 백플레인 및 제 2 백플레인(622,624), 및 제어 프로세서(630)를 포함할 수 있다. 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(612,614,616,618) 및 백플레인 어셈블리(650)는 도 4의 복수의 블레이드 프로세서들(412,414) 및 백플레인 어셈블리(450)와 대응될 수 있는 바, 중복되는 내용에 대해서 생략한다.
제 1 블레이드 프로세서(612) 및 제 2 블레이드 프로세서(614) 각각은 무선 통신 기능을 구현하기 위한 블레이드 프로세서일 수 있다. 예를 들어, 제 1 블레이드 프로세서(612)는 V2X 통신을 위한 모뎀을 포함할 수 있고, 제 2 블레이드 프로세서(614)는 DMB 모듈을 포함할 수 있다.
제 1 백플레인(622)은 무선 통신 기능을 구현하기 위한 제 1 블레이드 프로세서(612) 및 제 2 블레이드 프로세서(614)를 별도로 수용할 수 있다. 제 2 백플레인(624)은 무선 통신 기능 이외의 다른 기능을 구현하는 제 3 블레이드 프로세서(616) 및 제 4 블레이드 프로세서(618)를 수용할 수 있다. 예를 들어, 제 3 블레이드 프로세서(616)는 차량용 정보안내디스플레이(CID: Center Information Display) 기능을 구현하기 위한 블레이드 프로세서일 수 있고, 제 4 블레이드 프로세서(618)는 차량 내 뒷좌석의 디스플레이를 위한 블레이드 프로세서일 수 있다.
제어 프로세서(630)는 차량의 필수적인 기능을 구현하기 위한 프로세서일 수 있다. 제어 프로세서(630)는 마이크로프로세서, 메모리, 및 인터페이스를 포함할 수 있다. 예를 들어, 제어 프로세서(630)는 차량의 클러스터의 기능을 구현하기 위한 프로세서일 수 있다. 또한, 제어 프로세서(630)는 차량의 안전(safety) 관련 기능을 구현하기 위한 프로세서일 수 있다. 제어 프로세서(630)는 CAN 데이터를 획득할 수 있고, 획득된 CAN 데이터를 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(612,614,616,618) 중 적어도 하나에 제공할 수 있다. 제어 프로세서(630)는 백플레인 어셈블리(650)에 내장될 수 있다.
제어 프로세서(630)는 제 1 백플레인(622)로부터 제 1 블레이드 프로세서(612) 또는 제 2 블레이드 프로세서(614)에서 처리되는 데이터를 수신할 수 있고, 수신한 데이터를 제 2 백플레인(624)을 통해 제 3 블레이드 프로세서(616) 또는 제 4 블레이드 프로세서(618)로 전송할 수 있다. 따라서, 제 3 블레이드 프로세서(616) 또는 제 4 블레이드 프로세서(618)는, 제 1 블레이드 프로세서(612) 또는 제 2 블레이드 프로세서(614)에서 발생하는 노이즈에 의한 영향을 받지 않고, 제 1 블레이드 프로세서(612) 또는 제 2 블레이드 프로세서(614)의 데이터를 처리할 수 있다.
또한, 제어 프로세서(630)는 제 2 백플레인(624)로부터 제 3 블레이드 프로세서(616) 또는 제 4 블레이드 프로세서(618)에서 처리되는 데이터를 수신할 수 있고, 수신한 데이터를 제 1 백플레인(622)을 통해 제 1 블레이드 프로세서(612) 또는 제 2 블레이드 프로세서(614)로 전송할 수 있다.
도 7은 전자 제어 시스템의 제 3 실시예를 나타낸다.
전자 제어 시스템(700)은 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(712,714,716,718) 및 백플레인 어셈블리(750)를 포함할 수 있다. 백플레인 어셈블리(750)는 제 1 백플레인 및 제 2 백플레인(722,724), 및 제어 프로세서(730)를 포함할 수 있다. 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(712,714,716,718) 및 백플레인 어셈블리(750)는 도 6의 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(612,614,616,618) 및 백플레인 어셈블리(650)와 대응될 수 있는 바, 중복되는 내용에 대해서 생략한다.
제 1 백플레인 및 제 2 백플레인(722,724) 각각에는 복수의 통신 네트워크들이 형성될 수 있다. 구체적으로, 제 1 백플레인(722)에는 제 1 통신 네트워크(742) 및 제 2 통신 네트워크(744)가 형성될 수 있고, 제 2 백플레인(724)에는 제 1 통신 네트워크(746) 및 제 2 통신 네트워크(748)가 형성될 수 있다. 통신 네트워크는 PCIe, USB3.2 및 Ethernet 중 어느 하나가 될 수 있으며, 이에 제한되지 않으며 공지된 다른 통신 네트워크 또한 될 수 있다. 예를 들어, 제 1 백플레인(722)의 제 1 통신 네트워크(742)는 PCIe가 될 수 있고, 제 1 백플레인(722)의 제 2 통신 네트워크(744)는 USB3.2가 될 수 있고, 제 2 백플레인(724)의 제 1 통신 네트워크(746)는 USB3.2가 될 수 있고, 제 2 백플레인(724)의 제 2 통신 네트워크(748)는 PCIe가 될 수 있다.
제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(712,714,716,718)는 제 1 백플레인(722) 또는 제 2 백플레인(724)에 형성된 복수의 통신 네트워크들을 통해 데이터를 송수신할 수 있다. 구체적으로, 제 1 블레이드 프로세서(712) 및 제 2 블레이드 프로세서(714) 각각은 제 1 백플레인(722)에 형성된 제 1 통신 네트워크(742) 및 제 2 통신 네트워크(744) 각각을 통해 연결될 수 있고, 제 3 블레이드 프로세서(716) 및 제 4 블레이드 프로세서(718) 각각은 제 2 백플레인(724)에 형성된 제 1 통신 네트워크(746) 및 제 2 통신 네트워크(748) 각각을 통해 연결될 수 있다.
제어 프로세서(730)는 통신 네트워크 상태 및 데이터 상태 중 적어도 하나에 기초하여 복수의 통신 네트워크들중에서 데이터를 송수신할 통신 네트워크를 인식할 수 있다. 일 예에 따라, 제 1 백플레인(722)의 제 1 통신 네트워크(742) 및 제 2 백플레인(724)의 제 1 통신 네트워크(746)의 과부하가 예상되는 경우, 제어 프로세서(730)는, 제 1 백플레인(722)의 제 2 통신 네트워크(744) 및 제 2 백플레인(724)의 제 2 통신 네트워크(748)를 통해, 제 1 블레이드 프로세서(712) 및 제 3 블레이드 프로세서(716) 간의 데이터 송수신을 제어할 수 있다. 다른 예에 따라, 제 1 블레이드 프로세서(712)에서 제 3 블레이드 프로세서(714)로 전송할 데이터가 대용량인 경우, 제어 프로세서(730)는, 데이터 전송 속도가 빠른 제 1 백플레인(722)의 제 1 통신 네트워크(742) 및 제 2 백플레인(724)의 제 2 통신 네트워크(748)를 통해, 제 1 블레이드 프로세서(712) 및 제 3 블레이드 프로세서(716) 간의 데이터 송수신을 제어할 수 있다.
도 8은 전자 제어 시스템의 제 4 실시예를 나타낸다.
전자 제어 시스템(800)은 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(812,814,816,818) 및 백플레인 어셈블리(850)를 포함할 수 있다. 백플레인 어셈블리(backplane assembly)(850)는 제 1 백플레인(822), 제 2 백플레인(824), 및 제어 프로세서(830)를 포함할 수 있다. 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(812,814,816,818) 및 백플레인 어셈블리(850)는 도 7의 제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(712,714,716,718) 및 백플레인 어셈블리(750)와 대응될 수 있는 바, 중복되는 내용에 대해서 생략한다.
제 1 블레이드 프로세서 내지 제 4 블레이드 프로세서(812,814,816,818) 각각은 백플레인 어셈블리(850)에 착탈될 수 있다. 또한, 백플레인 어셈블리(850)에 장착된 블레이드 프로세서는 다른 블레이드 프로세서로 교체될 수 있다.
제어 프로세서(830)는 블레이드 프로세서에 대한 인증(verification)을 수행하고, 인증 수행 결과 신뢰할 수 있는 블레이드 프로세서가 백플레인에 연결되도록 제어할 수 있다. 구체적으로, 백플레인 어셈블리(850)에 제 1 블레이드 프로세서(812)가 장착 시에, 제어 프로세서(830)는 제 1 블레이드 프로세서(812)에 대한 인증(verification)을 수행할 수 있다. 다시 말해, 제어 프로세서(830)는 제 1 블레이드 프로세서(812)가 신뢰할 수 있는 프로세서인지 여부를 판단할 수 있다. 제어 프로세서(830)는 제 1 블레이드 프로세서(812)의 고유 식별자를 확인하는 방식으로 인증 절차를 수행할 수 있다. 예를 들어, 고유 식별자는 패스워드(password) 또는 암호화된 키(Encrypted key)가 될 수 있다.
제어 프로세서(830)는 제 1 블레이드 프로세서(812)에 대한 인증 절차를 수행하고, 제 1 블레이드 프로세서(812)가 신뢰할 수 있는 프로세서인 경우 제 1 블레이드 프로세서(812)가 제 1 백플레인(822)에 연결되도록 제어할 수 있다. 또한, 제어 프로세서(830)는 제 1 블레이드 프로세서(812)가 제 1 백플레인(822)에 형성된 통신 네트워크와 연결되도록 제어할 수 있다.
백플레인 어셈블리(850)에 제 1 블레이드 프로세서(812)가 장착 시에, 제 1 블레이드 프로세서(812)와 통신 네트워크를 공유할 수 있는 블레이드 프로세서는, 제 1 블레이드 프로세서(812)에 대한 인증 절차를 수행할 수 있고, 제 1 블레이드 프로세서(812)가 신뢰할 수 있는 프로세서인 경우 제 1 블레이드 프로세서(812)와 통신 네트워크를 공유할 수 있다.
도 9는 본 개시에 따른 차량을 나타낸다.
차량(900)은 전자 장치들(910), 및 전자 장치들(910)을 제어하기 위한 전자 제어 시스템(920)을 포함할 수 있다. 도 9에 도시된 차량(900)은 본 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 9에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
차량(900)은 자율 주행 차량일 수 있다.
전자 장치들(910)은 입력 장치(911), 출력 장치(912), 통신 장치(913), 센싱 장치(914) 및 주변 장치(915)를 포함할 수 있으며, 그 밖의 차량에 내장될 수 있는 다른 전자 장치 또한 포함할 수 있다.
입력 장치(911)는, 차량(900)을 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 입력 장치(911)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다. 또한, 입력 장치(911)는 마이크를 포함할 수 있는 바, 마이크는 차량(900)의 탑승자로부터 오디오(예를 들어, 음성 명령)를 수신하도록 구성될 수 있다.
출력 장치(912)는, 오디오 신호 또는 비디오 신호를 출력할 수 있으며, 출력 장치(912)는 디스플레이부 및 음향 출력부를 포함할 수 있다. 입력 장치(911) 및 출력 장치(912)는 네트워크 인터페이스를 포함할 수 있고, 터치 스크린으로 구현될 수 있다.
통신 장치(913)는, 다른 디바이스와 무선으로 통신하기 위한 적어도 하나의 안테나를 포함할 수 있다. 예를 들어, 통신 장치(913)는 와이파이 또는 블루투스를 통해 무선으로 셀룰러 네트워크 또는 다른 무선 프로토콜 및 시스템과 통신하기 위해 이용될 수 있다.
센싱 장치(914)는, 차량(900)이 위치해 있는 환경에 관한 정보를 감지하도록 구성되는 다수의 센서들을 포함할 수 있고, 뿐만 아니라 센서들의 위치 및/또는 배향을 수정하도록 구성되는 하나 이상의 액추에이터들을 포함할 수 있다. 예를 들어, 센싱 장치(914)는 GPS(Global Positioning System), IMU(Inertial Measurement Unit), RADAR 유닛, LIDAR 유닛, 및 카메라를 포함할 수 있으나, 이에 한정되는 것은 아니다.
주변 장치(915)는, 네비게이션, 라이트, 방향 지시등, 와이퍼, 내부 조명, 히터, 및 에어컨을 포함할 수 있으나, 이에 한정되는 것은 아니다.
전자 제어 시스템(920)은, 전자 장치들(910)을 통해 서로 다른 기능을 구현하는 복수의 블레이드 프로세서들, 및 복수의 블레이드 프로세서들 간의 전기적 연결을 위해 복수의 블레이드 프로세서들을 수용하는 복수의 백플레인들을 포함할 수 있다. 복수의 백플레인들 중 제 1 백플레인은, 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용할 수 있다. 전자 제어 시스템(920)은 도 4 내지 도 8의 전자 제어 시스템(400 내지 800)과 대응될 수 있는 바, 중복되는 내용에 대해서는 설명을 생략한다.
상기 살펴 본 실시예들에 따른 장치는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 장치와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 장치 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-Access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.
본 실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 실시 예는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 실시 예는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단”, “구성”과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.

Claims (15)

  1. 차량을 위한 전자 제어 시스템에 있어서,
    상기 차량에서 서로 다른 기능을 구현하는 복수의 블레이드 프로세서(blade processor)들; 및
    상기 복수의 블레이드 프로세서들 간의 전기적 연결을 위해 상기 복수의 블레이드 프로세서들을 수용하는 복수의 백플레인(backplane)들을 포함하고,
    상기 복수의 백플레인들 중 제 1 백플레인은,
    상기 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용하는, 전자 제어 시스템.
  2. 제 1 항에 있어서,
    상기 적어도 하나의 블레이드 프로세서로부터 발생되는 노이즈(noise)를 제거하기 위한 필터를 더 포함하고,
    상기 제 1 백플레인은,
    상기 필터를 통해 상기 복수의 백프레인들 중 제 2 백플레인과 연결되는, 전자 제어 시스템.
  3. 제 1 항에 있어서,
    제어 프로세서를 더 포함하고,
    상기 제어 프로세서는,
    상기 적어도 하나의 블레이드 프로세서에서 처리되는 데이터를 수신하고, 수신한 데이터를 상기 복수의 백플레인들 중 제 2 백플레인과 연결된 블레이드 프로세서로 전송하는, 전자 제어 시스템.
  4. 제 1 항에 있어서,
    제어 프로세서를 더 포함하고,
    상기 제어 프로세서는,
    상기 복수의 블레이드 프로세서들 각각에 대한 인증(verification)을 수행하고, 상기 인증을 수행한 결과에 따라, 신뢰할 수 있는 블레이드 프로세서가 백플레인에 연결되도록 제어하는, 전자 제어 시스템.
  5. 제 1 항에 있어서,
    상기 복수의 백플레인들 각각에 복수의 통신 네트워크들이 형성될 수 있고,
    상기 복수의 블레이드 프로세서들은 복수의 통신 네트워크들을 통해 데이터를 송수신하는, 전자 제어 시스템.
  6. 제 5 항에 있어서,
    제어 프로세서를 더 포함하고,
    상기 제어 프로세서는,
    통신 네트워크 상태 및 데이터 상태 중 적어도 하나에 기초하여, 상기 복수의 통신 네트워크들 중에서 데이터를 송수신할 제 1 통신 네트워크를 인식하고,
    상기 인식된 제 1 통신 네트워크를 통해 데이터가 송수신되도록 제어하는, 전자 제어 시스템.
  7. 제 1 항에 있어서,
    상기 적어도 하나의 블레이드 프로세서는,
    방송 또는 라디오 신호를 수신하는 블레이드 프로세서, RF 모듈을 포함하는 블레이드 프로세서, 5G 통신 모듈을 포함하는 블레이드 프로세서, V2X(Vehicle to Everything) 통신 기능을 구현하는 블레이드 프로세서, 및 DSRC(Dedicated Short Range Communication) 통신 기능을 구현하는 블레이드 프로세서 중 적어도 하나를 포함하는, 전자 제어 장치.
  8. 복수의 블레이드 프로세서들을 수용하기 위한 백플레인 어셈블리(backplane assembly)에 있어서,
    상기 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용하는 제 1 백플레인; 및
    상기 복수의 블레이드 프로세서들 중에서 상기 적어도 하나의 블레이드 프로세서 외의 다른 블레이드 프로세서를 수용하는 제 2 백플레인을 포함하는, 백플레인 어셈블리.
  9. 제 8 항에 있어서,
    상기 적어도 하나의 블레이드 프로세서로부터 발생되는 노이즈(noise)를 제거하기 위한 필터를 더 포함하고,
    상기 제 1 백플레인은,
    상기 필터를 통해 상기 제 2 백플레인과 연결되는, 백플레인 어셈블리.
  10. 제 8 항에 있어서,
    제어 프로세서를 더 포함하고,
    상기 제어 프로세서는,
    상기 적어도 하나의 블레이드 프로세서에서 처리되는 데이터를 수신하고, 수신한 데이터를 상기 제 2 백플레인과 연결된 블레이드 프로세서로 전송하는, 백플레인 어셈블리.
  11. 제 8 항에 있어서,
    제어 프로세서를 더 포함하고,
    상기 제어 프로세서는,
    상기 복수의 블레이드 프로세서들 각각에 대한 인증(verification)을 수행하고, 상기 인증을 수행한 결과에 따라, 신뢰할 수 있는 블레이드 프로세서가 백플레인에 연결되도록 제어하는, 백플레인 어셈블리.
  12. 제 8 항에 있어서,
    상기 복수의 백플레인들 각각에 복수의 통신 네트워크들이 형성될 수 있고,
    상기 복수의 블레이드 프로세서들은 복수의 통신 네트워크들을 통해 데이터를 송수신하는, 백플레인 어셈블리.
  13. 제 12 항에 있어서,
    제어 프로세서를 더 포함하고,
    상기 제어 프로세서는,
    통신 네트워크 상태 및 데이터 상태 중 적어도 하나에 기초하여, 상기 복수의 통신 네트워크들 중에서 데이터를 송수신할 제 1 통신 네트워크를 인식하고,
    상기 인식된 제 1 통신 네트워크를 통해 데이터가 송수신되도록 제어하는, 백플레인 어셈블리.
  14. 제 8 항에 있어서,
    상기 적어도 하나의 블레이드 프로세서는,
    방송 또는 라디오 신호를 수신하는 블레이드 프로세서, RF 모듈을 포함하는 블레이드 프로세서, 5G 통신 모듈을 포함하는 블레이드 프로세서, V2X(Vehicle to Everything) 통신 기능을 구현하는 블레이드 프로세서, 및 DSRC(Dedicated Short Range Communication) 통신 기능을 구현하는 블레이드 프로세서 중 적어도 하나를 포함하는, 백플레인 어셈블리.
  15. 차량(Vehicle)에 있어서,
    전자 장치들; 및
    상기 전자 장치들을 제어하는 전자 제어 시스템을 포함하고,
    상기 전자 제어 시스템은,
    상기 전자 장치들을 통해 서로 다른 기능을 구현하는 복수의 블레이드 프로세서(blade processor)들; 및 상기 복수의 블레이드 프로세서들 간의 전기적 연결을 위해 상기 복수의 블레이드 프로세서들을 수용하는 복수의 백플레인(backplane)들을 포함하고,
    상기 복수의 백플레인들 중 제 1 백플레인은,
    상기 복수의 블레이드 프로세서들 중에서 무선 통신 기능을 구현하는 적어도 하나의 블레이드 프로세서를 별도로(separately) 수용하는, 차량.
KR1020190093818A 2019-08-01 2019-08-01 전자 제어 시스템 KR20190098097A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190093818A KR20190098097A (ko) 2019-08-01 2019-08-01 전자 제어 시스템
US16/551,207 US11435758B2 (en) 2019-08-01 2019-08-26 Electronic control system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190093818A KR20190098097A (ko) 2019-08-01 2019-08-01 전자 제어 시스템

Publications (1)

Publication Number Publication Date
KR20190098097A true KR20190098097A (ko) 2019-08-21

Family

ID=67808085

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190093818A KR20190098097A (ko) 2019-08-01 2019-08-01 전자 제어 시스템

Country Status (2)

Country Link
US (1) US11435758B2 (ko)
KR (1) KR20190098097A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021054492A1 (ko) * 2019-09-18 2021-03-25 엘지전자 주식회사 차량용 인포테인먼트 장치 및 그의 동작 방법
KR102400228B1 (ko) * 2021-10-20 2022-05-20 김경태 차량 내 이미지 기록 장치에 사용되는 발열히터

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11258889B2 (en) * 2020-01-31 2022-02-22 Veea Inc. Module identification method for expandable gateway applications

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8897184B2 (en) * 2007-06-22 2014-11-25 Vubiq Networks, Inc. System and method for wireless communication in a backplane fabric architecture
US8352710B2 (en) * 2009-01-19 2013-01-08 International Business Machines Corporation Off-loading of processing from a processor blade to storage blades
US9537794B2 (en) * 2011-07-29 2017-01-03 Vubiq Networks, Inc. System and method for wireless communication in a backplane fabric architecture
US20160086391A1 (en) * 2012-03-14 2016-03-24 Autoconnect Holdings Llc Fleetwide vehicle telematics systems and methods
JP5949417B2 (ja) * 2012-10-09 2016-07-06 株式会社デンソー 中継装置
US20140310277A1 (en) * 2013-04-15 2014-10-16 Flextronics Ap, Llc Suspending user profile modification based on user context
KR20150011223A (ko) * 2013-07-22 2015-01-30 엘에스산전 주식회사 차량 제어장치 및 그 방법
US11032397B2 (en) * 2015-06-17 2021-06-08 Hewlett Packard Enterprise Development Lp Method and system for high speed data links
WO2017052661A1 (en) * 2015-09-26 2017-03-30 Intel Corporation Multichip package link error detection
JP6524905B2 (ja) * 2015-12-25 2019-06-05 株式会社デンソー 電子制御装置
JP6547719B2 (ja) * 2016-09-30 2019-07-24 トヨタ自動車株式会社 車載通信ネットワーク
DE102017200263A1 (de) * 2017-01-10 2018-07-12 Bayerische Motoren Werke Aktiengesellschaft Zentrale Datenablage im Bordnetz
EP3486127A1 (en) * 2017-11-17 2019-05-22 DURA Operating, LLC Method for controlling access to a vehicle according to different strategies
GB2568881A (en) * 2017-11-28 2019-06-05 Jaguar Land Rover Ltd Vehicle control apparatus and method
JP6913621B2 (ja) * 2017-12-19 2021-08-04 日立Astemo株式会社 自動車用電子制御装置
US10802988B2 (en) * 2018-09-25 2020-10-13 International Business Machines Corporation Dynamic memory-based communication in disaggregated datacenters

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021054492A1 (ko) * 2019-09-18 2021-03-25 엘지전자 주식회사 차량용 인포테인먼트 장치 및 그의 동작 방법
CN112912852A (zh) * 2019-09-18 2021-06-04 Lg电子株式会社 车辆信息娱乐设备及其操作方法
US11907086B2 (en) 2019-09-18 2024-02-20 Lg Electronics Inc. Infotainment device for vehicle and method for operating same
CN112912852B (zh) * 2019-09-18 2024-03-26 Lg电子株式会社 车辆信息娱乐设备及其操作方法
KR102400228B1 (ko) * 2021-10-20 2022-05-20 김경태 차량 내 이미지 기록 장치에 사용되는 발열히터

Also Published As

Publication number Publication date
US11435758B2 (en) 2022-09-06
US20190377361A1 (en) 2019-12-12

Similar Documents

Publication Publication Date Title
KR102225975B1 (ko) 엔진음 합성 장치 및 엔진음 합성 방법
KR20190106862A (ko) 인공지능 장치 및 그를 이용한 IoT 기기의 도난 감지 및 탐색 방법
KR20190096878A (ko) 인공지능 기반의 공기조화기
KR20190098735A (ko) 차량 단말 및 그의 동작 방법
US10872438B2 (en) Artificial intelligence device capable of being controlled according to user's gaze and method of operating the same
KR20190104489A (ko) 공기 조화기의 센서 데이터를 보정하는 인공 지능 공기 조화기 및 그 방법
KR20190098097A (ko) 전자 제어 시스템
KR20190104263A (ko) 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법
US11755033B2 (en) Artificial intelligence device installed in vehicle and method therefor
KR20190102151A (ko) 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법
KR20190104103A (ko) 애플리케이션 구동 방법 및 장치
KR20190101333A (ko) 음성 인식 장치 및 음성 인식 방법
US20210239338A1 (en) Artificial intelligence device for freezing product and method therefor
US11863627B2 (en) Smart home device and method
US11605378B2 (en) Intelligent gateway device and system including the same
KR102607390B1 (ko) 차량의 주변 상황 확인 방법
KR20190094317A (ko) 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법
US10931813B1 (en) Artificial intelligence apparatus for providing notification and method for same
US20210155262A1 (en) Electronic apparatus and operation method thereof
KR20210050201A (ko) 로봇, 로봇의 작동 방법 및 상기 로봇을 포함하는 로봇 시스템
KR20190099169A (ko) 인공지능 기반의 기상 및 취침 시간 정보 제공 장치 및 방법
KR20190095190A (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
US11116027B2 (en) Electronic apparatus and operation method thereof
US11345023B2 (en) Modular robot and operation method thereof
US11550328B2 (en) Artificial intelligence apparatus for sharing information of stuck area and method for the same