자율주행·AI·멀티에이전트 자동차 연구 플랫폼
Self-Driving Car Lab
Quanser | Autonomous Systems & Applied AI | Autonomous Vehicle Control
Self-Driving Car Lab
자율주행·AI·Multi-Agent 연구 및 교육을 위한 통합 자율주행 자동차 실험실
제품 설명
Quanser Self-Driving Car Lab은
자율주행 자동차의 기초 원리부터
AI 기반 고급 Autonomous Driving 기술까지
하나의 환경에서 교육하고 연구할 수 있도록 구성된
턴키형 자율주행 통합 실험실입니다.
시스템의 핵심 플랫폼인
QCar 2는
1/10 Scale의 Open-Architecture Autonomous Vehicle로,
NVIDIA GPU 기반 Onboard Computing과
LiDAR, RGB-D Camera, 360° Camera,
IMU 및 Encoder를 통합하고 있습니다.
이를 통해
Perception, Localization,
Mapping, Navigation,
Vehicle Dynamics,
Sensor Fusion 및
Self-Driving Stack을
실제 차량과 유사한 Workflow로
구현하고 검증할 수 있습니다.
실험실에는 실제 도로환경을 축소하여 구현한
재구성 가능한 Road Map,
Traffic Sign, Programmable Traffic Light,
Traffic Pylon 및 Wireless Infrastructure가
포함되어 있어 교차로, 주차,
단일·복수 차선, Roundabout 등의
다양한 주행 시나리오를 구성할 수 있습니다.
또한 QLabs Virtual QCar 2를 통해
실제 QCar 2와 대응하는
High-Fidelity Digital Twin 환경에서
알고리즘을 먼저 개발하고 검증한 후
실제 차량으로 적용할 수 있습니다.
MATLAB®/Simulink®,
Python, C++, ROS 2 및
NVIDIA AI / Vision Software Stack을 지원하여
자율주행 교육뿐 아니라
SLAM, Computer Vision,
Reinforcement Learning,
Collaborative Autonomy 및
Multi-Agent System 연구까지 확장할 수 있습니다.
주요 특징
|
Turnkey Lab
|
자율주행 연구환경 일체형 구성
차량, Computing, Network, Road Map, Traffic Light, Accessories, Digital Twin 및 Software를 하나의 통합 시스템으로 제공합니다. |
|
Open Architecture
|
자율주행 알고리즘 직접 개발
QCar 2의 Sensor, Steering, Motor 및 Onboard Computing에 접근하여 Custom Self-Driving Algorithm을 직접 구현하고 검증할 수 있습니다. |
|
NVIDIA AI
|
NVIDIA Jetson AGX Orin 기반 Edge AI
Computer Vision, Machine Learning, Object Detection 및 AI 기반 Autonomous Driving 알고리즘을 차량에서 직접 실행할 수 있습니다. |
|
Multi-Vehicle
|
Fleet 및 Collaborative Autonomy
여러 QCar 2를 동시에 운용하여 Platooning, Fleet Management, Cooperative Driving 및 Multi-Agent 연구를 수행할 수 있습니다. |
|
Digital Twin
|
QLabs Virtual QCar 2
실제 QCar 2와 대응하는 Digital Twin 환경에서 자율주행 알고리즘을 개발하고 실제 차량 적용 전 검증할 수 있습니다. |
Self-Driving Car Lab 기본 구성
| 구성 | 내용 |
|---|---|
| QCar 2 |
3대 1/10 Scale Open-Architecture Autonomous Vehicle |
| Batteries | 6개 |
| Battery Charger | 3 × Battery Charger 및 Charge Cable |
| Ground Control PC |
High-Performance Preconfigured PC Testbed & Infrastructure Station |
| Wireless Communication | High-Speed Preconfigured Wireless Communication Module |
| Programmable Traffic Light |
4대 Battery 포함 |
| Monitor | 3 × High-Definition Monitor |
| Floor Maps |
2종 4.8 m × 2.8 m 4.8 m × 6.1 m |
| PVC Borders |
Reconfigurable PVC Border 최대 약 4.8 m × 8.9 m Footprint |
| Road Accessories |
North American / European Traffic Signs Traffic Pylon 10개 등 |
| Accessories |
Car Stand Game Controller |
| Academic Resources |
Textbook-Aligned Courseware Research Resources Faculty Toolkit |
| Digital Twin | QLabs Virtual QCar 2 Module |
| Software License | QUARC™ Complete Lab License |
핵심 자율주행 플랫폼 - QCar 2
QCar 2는
자율주행 교육 및 연구를 위해 설계된
1/10 Scale의 Open-Architecture Autonomous Vehicle입니다.
NVIDIA Jetson AGX Orin, LiDAR, Intel RealSense RGB-D Camera, 360° Vision Camera, Encoder 및 IMU를 탑재하여 자율주행 차량에서 필요한 Perception, Localization, Mapping, Navigation 및 AI 기반 의사결정 기능을 실제 하드웨어에서 구현할 수 있습니다.
NVIDIA Jetson AGX Orin, LiDAR, Intel RealSense RGB-D Camera, 360° Vision Camera, Encoder 및 IMU를 탑재하여 자율주행 차량에서 필요한 Perception, Localization, Mapping, Navigation 및 AI 기반 의사결정 기능을 실제 하드웨어에서 구현할 수 있습니다.
QCar 2 주요 사양
| 구분 | 사양 |
|---|---|
| Scale | 1/10 Scale Autonomous Vehicle |
| Dimensions | 39 × 21 × 21 cm |
| Weight | 2.7 kg (Battery 포함) |
| Battery |
3S 11.1 V LiPo 3300 mAh / XT60 Connector |
| Operation Time |
약 2시간 11분 - Stationary / Sensor Feedback 약 30분 - Driving / Sensor Feedback |
| Onboard Computer | NVIDIA® Jetson™ AGX Orin |
| CPU | 2.2 GHz 8-Core ARM Cortex-A78 64-bit |
| GPU |
NVIDIA Ampere Architecture 1792 CUDA Cores / 56 Tensor Cores 최대 200 TOPS |
| Memory |
32 GB LPDDR5 256-bit / 204.8 GB/s |
QCar 2 Sensor Suite
| Sensor | 주요 기능 |
|---|---|
| LiDAR |
약 16,000 Points 5 ~ 15 Hz Scan Rate 약 0.2 ~ 12 m Range |
| RGB-D Camera |
Intel RealSense D435 RGB + Depth 기반 Perception |
| 360° Vision |
4 × 160° FOV CSI Camera 차량 주변 360° 영상 획득 |
| Encoder |
720 Count Motor Encoder Hardware Digital Tachometer |
| IMU |
6-Axis IMU Gyroscope + Accelerometer |
Connectivity & 확장 I/O
| • Wi-Fi 802.11 a/b/g/n/ac | • Gigabit Ethernet |
| • HDMI | • USB / USB-C |
| • PWM Output × 2 | • Analog Input × 2 |
| • Encoder Channel × 3 | • Digital I/O × 11 |
| • High-Speed Serial Port × 2 | • SPI |
| • I²C | • CAN Bus × 2 / CAN FD |
실제 차량과 유사한 기능
| • Headlamp | • Brake Light |
| • Turn Signal | • Reverse Light |
| • Programmable RGB LED | • Dual Microphone |
| • Speaker | • 2.7" LCD TFT 400 × 240 |
안전 기능
Research Safety Features
QCar 2는 교육 및 연구환경에서
보다 안전한 운용을 위해
Hardware Safe Shutdown 기능을 제공합니다.
또한 배터리를 보호하기 위한 Auto Power-Off 기능을 제공하며, Game Controller 등을 이용하여 차량을 수동으로 제어하는 연구 및 테스트 환경도 구성할 수 있습니다.
또한 배터리를 보호하기 위한 Auto Power-Off 기능을 제공하며, Game Controller 등을 이용하여 차량을 수동으로 제어하는 연구 및 테스트 환경도 구성할 수 있습니다.
실제 도로환경을 재현한 Testbed
Customizable Driving Environment
Self-Driving Car Lab은
단순히 자율주행 차량만 제공하는 것이 아니라
실제 도로환경을 축소하여 구현한
테스트 인프라를 함께 제공합니다.
Road Map을 이용하여 교차로, Parking Area, Single / Double Lane, Roundabout 등 다양한 도로 구조를 구성할 수 있습니다.
Programmable Traffic Light, Traffic Sign 및 Pylon을 함께 사용하면 Traffic Signal Recognition, Lane Following, Intersection Navigation, Parking 및 Traffic Management 등의 자율주행 시나리오를 구성할 수 있습니다.
Road Map을 이용하여 교차로, Parking Area, Single / Double Lane, Roundabout 등 다양한 도로 구조를 구성할 수 있습니다.
Programmable Traffic Light, Traffic Sign 및 Pylon을 함께 사용하면 Traffic Signal Recognition, Lane Following, Intersection Navigation, Parking 및 Traffic Management 등의 자율주행 시나리오를 구성할 수 있습니다.
Digital Twin 기반 자율주행 개발
QLabs Virtual QCar 2
QLabs Virtual QCar 2는
실제 QCar 2의 동역학과 센서를
가상환경에서 구현한
High-Fidelity Digital Twin입니다.
실제 차량과 마찬가지로 LiDAR, RGB-D Camera, 360° Camera, IMU 및 Odometry 정보를 활용하여 Self-Driving Algorithm을 개발할 수 있습니다.
학생과 연구자는 실제 차량을 사용하기 전에 가상환경에서 알고리즘을 반복적으로 개발·검증하고, 동일한 Workflow를 실제 QCar 2로 이전하여 Physical Validation을 수행할 수 있습니다.
실제 차량과 마찬가지로 LiDAR, RGB-D Camera, 360° Camera, IMU 및 Odometry 정보를 활용하여 Self-Driving Algorithm을 개발할 수 있습니다.
학생과 연구자는 실제 차량을 사용하기 전에 가상환경에서 알고리즘을 반복적으로 개발·검증하고, 동일한 Workflow를 실제 QCar 2로 이전하여 Physical Validation을 수행할 수 있습니다.
소프트웨어 및 개발 환경
| • MATLAB® | • Simulink® |
| • QUARC for Simulink | • Quanser APIs |
| • Python | • C++ |
| • ROS 2 | • TensorFlow |
| • CUDA | • cuDNN |
| • TensorRT | • OpenCV |
| • NVIDIA VPI | • DeepStream SDK |
| • GStreamer | • Jetson Multimedia APIs |
| • Docker GPU Containers | • Gazebo |
| • Quanser Interactive Labs | • Quanser Stream APIs |
단계별 자율주행 교육·연구 Workflow
STEP 01. Vehicle Dynamics & Control
Steering,
Speed Control,
Vehicle Dynamics 및
Trajectory Tracking의
기본 원리를 학습합니다.
STEP 02. Sensors & Perception
Camera,
LiDAR,
IMU 및 Encoder 데이터를 활용하여
Camera Calibration,
Sensor Fusion 및
Environment Perception을 구현합니다.
STEP 03. Localization & Mapping
Odometry,
Sensor Fusion,
Localization 및
SLAM을 이용하여
차량의 위치와 주변환경 Map을 추정합니다.
STEP 04. Planning & Autonomous Navigation
Path Planning,
Lane Following,
Traffic Light Recognition,
Intersection Handling 및
Autonomous Navigation을 구현합니다.
STEP 05. Multi-Vehicle Autonomy
여러 QCar 2를 이용하여
Platooning,
Fleet Management,
Collaborative Autonomy 및
Multi-Agent Coordination을 연구합니다.
STEP 06. AI-Based Autonomous Driving
Computer Vision,
Machine Learning 및
Reinforcement Learning을 적용하여
AI 기반 자율주행 시스템으로
연구 범위를 확장합니다.
주요 교육 및 연구 분야
| • Autonomous Driving | • Vehicle Dynamics & Control |
| • Camera Calibration | • Sensor Fusion |
| • Localization | • Mapping |
| • SLAM | • Path Planning |
| • Autonomous Navigation | • Lane Following |
| • Computer Vision | • Object Detection |
| • Traffic Light Recognition | • Parking Algorithms |
| • Reinforcement Learning | • AI-Based Autonomy |
| • Multi-Agent Systems | • Collaborative Autonomy |
| • Platooning | • Fleet Management |
| • Digital Twin | • Sim-to-Real |
Multi-Vehicle Autonomous Driving
Self-Driving Car Lab은
기본 구성에 여러 대의 QCar 2를 포함하기 때문에
단일 차량 자율주행뿐 아니라
여러 차량이 동시에 동작하는
Multi-Vehicle System을 연구할 수 있습니다.
차량 간 정보를 공유하면서 일정 간격을 유지하는 Platooning, 다수의 차량에 작업을 배정하는 Fleet Management, 교차로에서 차량 간 주행 우선순위를 판단하는 Cooperative Driving 등을 구현할 수 있습니다.
이를 통해 Connected Autonomous Vehicle, Collaborative Autonomy 및 Multi-Agent Robotics와 같은 고급 자율시스템 연구로 확장할 수 있습니다.
차량 간 정보를 공유하면서 일정 간격을 유지하는 Platooning, 다수의 차량에 작업을 배정하는 Fleet Management, 교차로에서 차량 간 주행 우선순위를 판단하는 Cooperative Driving 등을 구현할 수 있습니다.
이를 통해 Connected Autonomous Vehicle, Collaborative Autonomy 및 Multi-Agent Robotics와 같은 고급 자율시스템 연구로 확장할 수 있습니다.
Virtual에서 실제 자율주행 차량까지
Self-Driving Car Lab은
자율주행 Algorithm 개발을
실제 하드웨어에서만 수행하는 것이 아니라
Digital Twin과 실제 QCar 2를
하나의 Workflow로 연결할 수 있습니다.
연구자는 QLabs Virtual QCar 2를 이용하여 다양한 Traffic Scenario에서 알고리즘을 먼저 개발·검증하고, 검증된 Code를 실제 QCar 2에 적용하여 Physical Testbed에서 성능을 확인할 수 있습니다.
이를 통해 Modeling → Simulation → Perception → Planning → Autonomous Driving → Physical Validation 으로 이어지는 End-to-End 자율주행 연구환경을 구성할 수 있습니다.
연구자는 QLabs Virtual QCar 2를 이용하여 다양한 Traffic Scenario에서 알고리즘을 먼저 개발·검증하고, 검증된 Code를 실제 QCar 2에 적용하여 Physical Testbed에서 성능을 확인할 수 있습니다.
이를 통해 Modeling → Simulation → Perception → Planning → Autonomous Driving → Physical Validation 으로 이어지는 End-to-End 자율주행 연구환경을 구성할 수 있습니다.
교육·연구·학생 프로젝트 활용
| • 자율주행 자동차 교육 | • Autonomous Systems 연구 |
| • 로봇공학 | • 자동차공학 |
| • 제어공학 | • Applied AI |
| • Computer Vision | • Machine Learning |
| • 프로젝트 기반 학습 | • 캡스톤 디자인 |
| • 학생 자율주행 경진대회 | • 연구 프로젝트 |
기초 차량제어에서 AI 자율주행까지
Quanser Self-Driving Car Lab은
단순히 완성된 자율주행 차량을
운용하는 시스템이 아니라
자율주행 차량을 구성하는 핵심 기술을
단계적으로 직접 구현할 수 있도록 설계되었습니다.
Vehicle Dynamics와 Steering / Speed Control에서 시작하여 Camera와 LiDAR를 이용한 Perception, Sensor Fusion, Localization, SLAM, Path Planning 및 Autonomous Navigation으로 학습 범위를 확장할 수 있습니다.
이후 Multi-Vehicle Collaboration, Reinforcement Learning 및 AI 기반 자율주행까지 연결하여 Vehicle Control → Perception → Localization → Planning → Autonomy → Collaborative AI 로 이어지는 통합 교육 및 연구 환경을 구축할 수 있습니다.
Vehicle Dynamics와 Steering / Speed Control에서 시작하여 Camera와 LiDAR를 이용한 Perception, Sensor Fusion, Localization, SLAM, Path Planning 및 Autonomous Navigation으로 학습 범위를 확장할 수 있습니다.
이후 Multi-Vehicle Collaboration, Reinforcement Learning 및 AI 기반 자율주행까지 연결하여 Vehicle Control → Perception → Localization → Planning → Autonomy → Collaborative AI 로 이어지는 통합 교육 및 연구 환경을 구축할 수 있습니다.
제품 및 견적 문의
1670-3463
(주)영일교육시스템
