매스웍스, 산업용 AI 개발 지원 강화…자동차·로보틱스 조준

R2019b 업데이트…스테이트플로 교육 추가

매스웍스가 국내 자동차·로보틱스 산업계의 인공지능(AI) 시스템 개발과 딥러닝 모델링 작업을 겨냥해 신기능을 추가한 공학 소프트웨어(SW) 업데이트를 공개했다.

매스웍스코리아는 25일 서울 삼성동 사무실에서 매트랩과 시뮬링크 SW의 R2019b 업데이트 주요 내용을 소개했다. 매스웍스는 연중 3월과 9월마다 자사 제품 업데이트를 시행한다 . 이번 업데이트는 올해 3월 진행한 R2019a에 이어 두 번째다.

매트랩과 시뮬링크의 R2019b 업데이트에는 AI, 딥러닝, 자동차 산업을 지원하는 기능을 포함해 로보틱스를 지원하는 새로운 제품, 이벤트 기반 모델링을 위한 새로운 교육 리소스, 제품군 전체의 업데이트 및 버그 수정이 포함됐다.

이웅재 매스웍스코리아 이사

■ "매트랩 플랫폼 내에서 전체 AI 개발 워크플로우 손쉽게 제공"

이웅재 매스웍스코리아 이사는 "매스웍스는 매트랩과 시뮬링크를 기반으로 AI 시스템 개발 시 전체 프로세스를 하나의 플랫폼 하에서 지원한다는 것이 가장 큰 강점"이라고 설명했다.

AI 시스템 개발은 크게 ▲데이터 액세스와 라벨링 ▲데이터 전처리 작업 ▲예측 모델 개발 ▲배포 네 가지로 나뉜다. 매트랩은 이러한 전 과정에 걸친 작업을 좀더 편리하게 수행할 수 있도록 기능을 업데이트했다.

이 이사는 "일반적으로 AI에서 데이터는 영상, 신호, 오디오, 텍스트 등 다양한 형태로 존재하는데 매트랩은 모든 형태 데이터 타입을 지원할 수 있다"며 "적용할 데이터가 부족하거나 데이터 취득이 어려우면 시뮬레이션을 통해 데이터를 생성한다"고 말했다.

이어 라벨링과 전처리 과정에서는 "라벨링을 보다 손쉽게 자동화하기 위한 앱을 툴박스에서 제공하며, 시그널 애널라이즈 앱을 통해 전처리 작업 역시 클릭 몇 번으로 손쉽게 할 수 있다"고 설명했다.

별도의 코딩 없이도 라이브러리 위주로 전처리 작업을 수행하고 자동으로 코드를 만들 수 있다는 점이 이번 업데이트의 특징이다. 사용자는 라이브 편집기 작업을 통해 파라미터를 대화형으로 살펴보고, 데이터를 전처리하고, 라이브 스크립트의 일부가 되는 매트랩 코드를 생성할 수 있다.

예측 모델 개발 부분도 강화했다. 이 이사는 "R2019b에서는 머신러닝 알고리즘의 패러미터를 최적화시키는 하이퍼 패러미터 최적화를 앱 내에서 바로 수행할 수 있다"며 "하이퍼 패러미터 최적화를 수행하면 성능을 최대로 하는 최적의 모델을 찾아준다"고 말했다.

올해 초에 적용된 유연한 훈련 루프 및 네트워크를 기반으로 R2019b에서는 더욱 발전한 딥러닝 툴박스를 제공한다. 사용자들은 사용자 지정 훈련 루프, 자동 미분, 공유 가중치, 사용자 지정 손실함수를 사용해 고급 네트워크 아키텍처를 훈련시킬 수 있다.

이에 더해, 사용자는 이제 생성적 적대 신경망(GAN), 샴 네트워크(Siamese Network), 변량 자동 인코더(VAE), 주의 네트워크(Attention Network)를 구축할 수도 있다. 또한 딥러닝 툴박스는 나선형신경망(CNN) 계층과 장단기기억(LSTM) 계층을 결합하는 네트워크와 3D CNN 계층을 포함하는 네트워크를 오픈뉴럴네트워크익스체인지(ONNX) 형식으로 내보낼 수 있다.

■ 자동차·로보틱스 지원 기능 및 스테이트플로 교육 추가

시뮬링크의 경우 R2019b부터 메뉴가 매트랩과 동일하게 바뀌었다. 시뮬링크 툴스트립을 통해 사용자는 필요한 탭을 그때그때 만들어 쓸 수 있다. 툴스트립 탭은 워크플로에 따라 배열되고 사용 빈도에 따라 정렬돼 탐색 및 검색 시간을 줄여준다.

R2019b에서는 대화형 튜토리얼인 스테이트플로 온램프(Stateflow Onramp)를 제공한다. 사용자가 스테이트플로 모델을 생성, 편집 및 시뮬레이션하는 방법을 익힐 수 있도록 하는 교육 기능이다. 매트랩, 시뮬링크 및 딥러닝을 위한 기존 온램프와 마찬가지로 자동 평가와 피드백을 포함한 비디오 튜토리얼 및 실습 연습 문제로 구성됐다.

자동차 업계를 지원하는 여러 기능도 추가됐다. 자동 주행 툴박스, 파워트레인 블록셋, 센서 퓨전 및 추적 툴박스, 폴리스페이스 버그 파인더 등을 통해 사용자는 딥러닝 모델을 좀더 발전시켜 사용할 수 있다.

특히 자동 주행 툴박스의 경우, 3차원 시뮬레이션 환경에서 주행 알고리즘을 개발·테스트 및 검증하는 기능과 주어진 운동 제약 조건을 바탕으로 주행 경로의 속도 프로파일을 생성하는 블록 등 3차원 시뮬레이션을 위한 지원이 추가됐다.

로보틱스 분야에서는 로보틱스 시스템 툴박스에 추가된 새로운 기능 외에 '네비게이션 툴박스'와 '로봇운영체제(ROS) 툴박스' 두 가지 새로운 제품이 도입됐다.

네비게이션 툴박스를 이용하면 사용자는 네비게이션 알고리즘을 설계·시뮬레이션 및 배포할 수 있다. 네비게이션 툴박스에는 물리적 또는 가상 환경 내에서 길을 만들어내는 매핑(mapping), 측위(localization), 계획 및 이동하는 시스템의 설계 및 시뮬레이션을 위한 알고리즘과 틀이 포함됐다.

ROS 툴박스는 ROS 기반 응용 프로그램의 설계, 시뮬레이션 및 배포를 위한 신제품이다. ROS 툴박스는 매트랩 및 시뮬링크와 ROS, ROS2 사이의 인터페이스를 제공한다. 사용자는 이를 통해 노드로 구성된 네트워크를 작성하고, ROS 네트워크를 모델링 및 시뮬레이션하고, ROS 노드용으로 임베디드 시스템 SW를 생성할 수 있다.