핵심 개념
본 연구는 차량 소프트웨어 개발 프로세스를 혁신하기 위해 모델 기반 및 기능 기반 접근법과 최신 생성 AI 기술을 결합한다. 이를 통해 명시적으로 정의되지 않은 최종 아키텍처가 제약 조건, 요구 사항 및 하드웨어 아키텍처에 따라 반복적인 검색 및 최적화 프로세스에서 도출되도록 한다. 또한 단일 시스템 환상을 유지하여 애플리케이션이 논리적으로 균일한 환경에서 실행되도록 한다.
초록
본 연구는 차량 소프트웨어 개발 비용 증가 문제를 해결하기 위해 새로운 개발 패러다임을 제안한다. 기존의 엄격하고 느린 V 모델 및 AUTOSAR 프레임워크와 달리, 제안된 워크플로우는 민첩성, 자동화, 모듈성 및 유연성을 강조한다.
주요 특징은 다음과 같다:
기능 중심 및 모델 기반 개발: 추상적인 요구사항을 바탕으로 LLM(Large Language Model)이 인스턴스 모델과 형식적 제약 조건을 생성한다. 이를 통해 하드웨어-소프트웨어 매핑에 대한 고려 없이 기능 중심의 개발이 가능하다.
자동화된 리소스 할당: 생성된 인스턴스 모델과 제약 조건을 바탕으로 유연한 최적화 알고리즘이 하드웨어-소프트웨어 매핑을 수행한다. 이를 통해 테스트 환경과 실제 차량 아키텍처에 대한 최적의 구성을 생성할 수 있다.
코드 생성 및 배포: 할당 매트릭스와 인스턴스 모델을 바탕으로 LLM이 배포 코드, 어댑터 코드, 테스트 코드 등을 자동으로 생성한다. 이를 통해 기능 및 비기능 요구사항을 충족하는 시스템을 신속하게 구축할 수 있다.
지속적인 피드백: 각 단계에서 자동 검증을 수행하여 개발 주기를 단축하고 조기에 문제를 발견할 수 있다. 또한 LLM이 검증 결과를 바탕으로 사용자에게 구체적인 개선 방향을 제시한다.
제안된 워크플로우는 차량 소프트웨어 개발 프로세스를 혁신하여 비용 절감, 개발 속도 향상, 모듈성 및 유연성 제고를 목표로 한다. 또한 지속적인 자동화와 피드백을 통해 개발 주기를 단축하고 품질을 향상시킬 수 있다.
통계
차량 소프트웨어 개발 비용이 2030년까지 2020년 대비 2배 증가할 것으로 예상된다.
기존 V 모델 및 AUTOSAR 프레임워크는 유연성이 부족하고 개발 주기가 길다는 문제가 있다.
인용구
"Classical software development paradigms are very rigid and slow to adapt to the rising system complexity."
"Software-defined vehicles are becoming the new trend in the automotive industry, where the functionality of the car is defined, updated and modified mainly by changes in the software."