GPGPU Extension of Functionally and Temporally Correct Simulation for Automotive Systems

Abstract

이 논문은 기존의 기능적/시간적 정확성을 보장하는 실시간 시뮬레이션 기법을 확장하여 GPGPU 자원을 활용한 실시간 시뮬레이션 기법을 제안한다. 기존의 실시간 시뮬레이션 기법은 싱글코어 프로세서를 기반으로 여러 ECU들을 정확하게 일치하는 시간과 데이터를 통해 정확성을 보장하고, 태스크 수행의 재배치를 통해 효율성을 보장한다. 그러나 시뮬레이션을 할 수 있는 수용능력이 제한적이기 때문에 이러한 제한점을 극복하기 위해서 GPGPU 자원을 활용하여 반복 연산이 많은 태스크의 수행시간을 줄이고, 수용 능력을 높여 시뮬레이션 성능을 향상시키고자 한다. 그러나, GPGPU 자원의 특성상 GPGPU 자원 사용을 위한 CPU와 GPGPU사이의 메모리 로드를 위한 상호작용이 존재한다. 이 상호작용 시간은 선점형 스케줄링 기법을 사용하는 경우, 오버헤드로 인해 태스크의 수행시간을 예측할 수 없다. 따라서 이 논문에서 제안하는 시뮬레이션 기법은 비선점형의 스케줄링 방식을 이용한 GPGPU 태스크 수행기법을 사용한다. 이 시뮬레이션 기법은 GPGPU태스크를 위한 상호작용은 다시 CPU태스크로 추상화하여 기존의 시뮬레이션 기법이 적용 가

This thesis extends the works of the original uni-processor functionally and temporally correct simulation approach for compatibility with GPGPU dependant target systems. The original uni-processor simulator was developed in order to overcome the limitations of existing approaches which fail to correctly model temporal behaviours. Such behaviours are, but not limited to, maintaining the integrity of original predecessor / successor relationships as would have been seen on the real target system, As well as reading and writing data from and to the physical system at correct times. This is accomplished by progressively resolving non-determinism originating from varying execution times, task preemptions and so on. GPUs are non-preemptable in nature, or such preemptions incur huge overheads making it unfeasible. We extend the ideas of the original simulator in order to be able to handle a task set of mixed preemptable and non-preemptable tasks, and improve the simulatability for task sets with tasks that can be accelerated with GPU.