보라빛 소를 만나기 위한 도약

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1886호(2019. 3. 6. 발행)에 기고한 원고입니다. 

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

◾ 보행자가 자율주행 차량에 대해 신뢰감을 가지며 공존할 수 있게 하는 방안에 대해 적극적으로 연구하는 자동차 업체들이 생겨나고 있는데 영국의 재규어랜드로버가 대표적

▸ 차세대 모빌리티에서는 자율운전이 당연시 되고 있지만, 미래에 자율운전 자동차의 보급이 시작된다면 아마도 보행자와 자전거로 이동하는 사람이 자율주행차에 대한 불안감이나 공포감을 느끼지 않고 횡단보도를 건너거나 자전거 주행을 할 수 있을지가 주요 이슈가 될 것임

▸ 즉, 어떻게 하면 사람이 자율주행차를 신뢰하고 지금처럼 보행할 수 있게 할 것인지가 과제가 되는데, 이러한 연구에 적극 나서는 기업들이 나타나고 있음

▸ 재규어랜드로버(Jaguar Land Rover)는 올해 1월 말 자율운전 차량이 전방의 도로에 조명을 사용해 진행 방향이나 전진 혹은 정지의 의사를 표시하는 시험 차량을 공개하였음

▸ 재규어랜드로버가 이런 시스템을 개발하게 된 배경은 인지심리학자들과 함께 조사한 결과, 보행자나 일반 차량 운전자들 중 41%가 자율운전 차량이 도로에 뒤섞여 주행하는 것에 불안을 느끼는 것으로 나타났기 때문

▸ 문제 해결을 위해 재규어는 몇 가지 유형의 실험 차량을 만들었는데, 1월 말에 공개한 차량은 두 번째 차량이며, 그에 앞서 ‘아이 파드(Eye Pod)'라는 실험 차량도 있었음

▸ 아이 파드는 현재 보행자와 운전자가 눈을 마주치는 행위를 대신하기 위해 눈 모양의 오브제를 붙인 차량으로 보행자 쪽으로 시선을 이동함으로써 자율운전 차량이 보행자의 존재를 인식하고 있음을 표시함으로써 신뢰감을 주는 방식이었음

◾ 아이 파드 다음으로 개발된 두 번째 실험차량은 자율운전 차량의 다음 움직임을 보행자나 다른 운전자들에게 미리 보여줌으로써 신뢰감을 형성하는 방식을 채택하였음

▸ 표현의 수단은 조명을 이용해 차량 전방 도로에 투영하는 몇 개의 가로선으로 가로선의 간격과 방향은 조정이 가능한데, 가령 자율주행차가 우회전을 할 예정이면 진행 방향에 따라 가로선들이 오른쪽으로 휘어지도록 투영하게 됨

▸ 자율주행차가 주행하다 감속하는 경우는 가로줄의 간격이 좁아지게 되며, 반대로 가속하려는 경우 간격이 넓어지게 되는데, 이를 통해 보행자는 정지 중인 자율운전차가 곧 발진하려는 것인지 아니면 정지한 채로 있을 것인지를 알 수 있게 됨

▸ 재규어랜드로버는 코번트리의 개발 거점에 조성되어 있는 시험 도로에서 차량이 가로선을 투영하는 경우와 하지 않는 경우의 보행자 신뢰 수준을 측정하고 있는데, 이를 통해 보행자에게 어느 정도의 정보를 제공하면 신뢰를 얻을 수 있는지 알아내려 하고 있음

▸ 사람은 새로운 기술을 접할 경우 그것을 신뢰할 수 있을 때까지 일정한 학습 경험을 필요로 하기 때문에, 자율운전 기술에 대한 인간의 신뢰가 구축되지 않는 한 보행자들은 마음 놓고 길을 건너지 못할 가능성이 높음

Jaguar Land Rover Projection Pod

▸ 재규어는 자신들의 연구가 자율주행차와 다른 도로 이용자 사이에 정보를 주고받는 기술의 기초를 형성하는 것이라며 의미를 부여하고 있음

▸ 재규어는 연구는 영국 정부가 지원하는 프로젝트 ‘UK Autodrive’의 일환으로 진행되고 있는데, 이 프로젝트는 자율운전 차량의 움직임이 인간의 심리에 어떤 영향을 미치는지를 이해하는 것이 목적으로 인지 심리학자 팀이 참여해 협력하고 있음

◾ 독일 다임러(Daimler) 그룹도 비슷한 연구를 하고 있는데, 메르세데스-벤츠는 자율운전 자동차가 사회에 받아들여지기 위해서는 ‘공감’과 ‘신뢰’가 필요하다고 생각하고 있음

▸ 보행자나 자전거가 자율운전 자동차를 신뢰하려면 자율주행차가 무엇을 하려는 것인지 직관적으로 인지할 수 있어야 한다는 것임

▸ 다임러 역시 이를 위한 실험 차량인 ‘코오퍼러티브 카(The cooperative car)’를 2019년 1월 말에 발표했는데, 다임러는 현재 이 차량을 이용해 ‘정보에 기반을 둔 신뢰’를 주제로 연구를 진행하고 있음

The cooperative vehicle

▸ 코오퍼러티브 카는 벤츠 S클래스를 베이스로 하며, 주변 360도에서 볼 수 있는 라이트 신호등을 차량 지붕에 설치하였음

▸ 신호등이 청록색으로 깜빡이는 것은 자율운전 모드로 주행하고 있음을 나타내며, 브레이크를 걸었을 때는 천천히 깜박이고 곧 가속을 하려 하면 빠르게 깜박이게 됨

▸ 이 차량은 지붕이 아닌 다른 대체 라이트 디스플레이의 개념도 테스트하고 있는데, 앞유리, 창문의 하부, 그릴, 헤드램프, 사이드 미러에 라이트 디스플레이를 내장해 청록색으로 빛나게 함으로써 자율운전 모드임을 다른 도로 사용자에게 알리는 것임

▸ 보행자나 자전거가 차량 근처나 진행 방향에 있는 경우 디스플레이의 빛이 보행자의 움직임에 따라 움직이는데, 이는 차량이 보행자들을 인식하고 있음을 보여주는 것으로 보행자와 운전자의 눈 맞춤을 대신하는 것이라고 함

▸ 또한 주차 중이던 코오퍼러티브 카가 자율운전 모드로 구동될 경우 먼저 차체의 뒷부분이 한번 들썩이고 그 다음 앞부분이 한번 들썩이며, 동시에 신호기나 라이트 디스플레이가 청록색으로 빛나도 접혀있던 사이드 미러가 펴지게 됨

▸ 이러한 일련의 움직임은 동물이 기지개를 켜고 일어나는 모습과 형상화한 것으로 사람들이 이 움직임을 보면서 직관적으로 자율운전차가 움직이기 시작할 것을 예측할 수 있도록 만드는 것이 목적이라고 함

◾ 다임러는 자체 연구 결과, 라이트 신호가 자율운전전 차량에 대한 사람들의 신뢰감이나 보행자의 안전에 큰 영향을 미치는 것으로 나타났다고 설명

▸ 특히 그동안 운전자와 눈 맞춤 등의 상호작용이 있어 온 횡단보도 등의 상황에서는 라이트 신호가 필요하며, 보행자가 도로를 횡단하고 싶을 때 자율운전 차량이 보행자를 인식해 감속 및 정지할 것을 광신호로 보여주면 보행자는 횡단 시에 안도감을 느낀다고 함

▸ 한편 광신호의 색을 청록색으로 선택한 것은 이 연구에 참가한 대부분의 사람이 신호의 색깔로 터키석(터콰이즈, Turquoise)을 좋아했기 때문이라고 함

▸ 메르세데스-벤츠는 ‘정보에 근거한 신뢰’를 장기 비전으로 가지고 있는데, 이는 구현하는 것이 차체 전체가 정보를 나타내는 통신 매체가 되는 ‘디지털 익스테리어(digital exterior)'임

▸ 이미 2015년부터 연구 차량인 ‘F 015’에서 이런 방향을 모색하기 시작했는데, F 015는 디지털 디스플레이가 가능한 그릴을 탑재하고 있었음

▸ 2016년에는 무인 배송차량의 컨셉 카인 ‘비전 밴(Vision Van)’에도 이 기술을 채택했는데, 앞뒤로 디지털 LED 디스플레이를 탑재해 ‘정지합니다’ 등의 메시지를 표시하였음

Mercedes-Benz Vision Van

▸ 2018년에 선보인 ‘비전 어버네틱(Vision URBANETIC)' 모델에서는 이 디자인을 한층 더 진화시켜 자체에 ’디지털 섀도우(digital shadow)'를 투영했는데, 가령 보행자가 근처에 있으면 보행자의 형상을 표시해 자율운전 차량이 자신을 인식하고 있음을 알려주는 구조임

Mercedes-Benz Vision URBANETIC

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1873호(2018. 11. 21. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1850호(2018. 6. 13. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

진화하는 ‘수퍼 라이더’, 2세대 자율운전차의 통합 센서.pdf

[ 요 약 ]

[ 본 문 ]

◾ 자율운전 차량의 주위를 인식하는 센서 기술이 새로운 국면을 맞이하고 있는데, 최근 1년 새 미국과 이스라엘의 벤처기업들은 혁신적인 탐지 기술 개발 경쟁을 벌이고 있음

▸ 차세대 주변 인식 센서는 카메라(CMOS 이미지 센서), LiDAR(라이더, Light Detection and Ranging), 밀리파 레이더 등 기존 센서들의 감지 방식 중 ‘장점만을 한군데 모아놓은 것’이라 할 수 있음

▸ 대부분의 신형 센서 개발 기업들은 자신들의 제품이 레이더 혹은 라이더의 일종이라 말하고 있지만, 다양한 센서 기능을 통합한 완전한 신형이기 때문에, 감지 원리를 놓고 보면 기존 분류 체계에 부합하지 않음.

▸ 통합형의 신형 센서는 기존의 카메라, 라이더, 레이더 등을 시장에서 도태시키고 모든 자동차 제조업체가 필요로 하고 있는 ‘센서 플랫폼’의 자리를 노리고 있다는 점에서, 기술기업 및 생태계 전반에 미치는 영향을 클 것으로 예상됨

◾ 현재 자동차 업계는 자율운전차용 센서 개발은 ‘센서 퓨전(Sensor Fusion)’을 기본 방침으로 한다는 것에 공감대(consensus)를 형성하고 있음

▸ 센서 퓨전은 카메라(CMOS 이미지 센서), LiDAR(라이더, Light Detection and Ranging), 밀리파 레이더 등의 필수 센서와 기타 센서를 결합하는 방식을 말함

▸ 각 센서 별로 역할과 장단점이 있기 때문에 각 센서 데이터들을 종합, 상호보완하여 사용하겠다는 것이 센서 퓨전의 기본 아이디어임

▸ 자율운전은 무엇보다 안전을 최우선으로 해야 하기 때문에, 설사 센서들의 감지 범위가 겹치더라도 일부러 중복 및 조합하여 사용함으로써 우천, 역광 등 주변 인식이 어려운 조건에서도 확실히 인식하는 것을 목표로 해야 한다는 것임

▸ 여러 센서에서 획득된 정보는 자동차의 컴퓨터에 동시에 전달되어 조합된 후 ‘융합 정보’가 되며, 이를 통해 차량 외부의 상황을 종합적으로 인식하게 됨

▸ 예를 들어 악천후 상황이어서 만일 카메라의 정보가 부적절할 한 경우라면 라이더의 정보로 보충하고, 반대로 라이더 정보가 부족한 경우 레이더의 정보를 이용해 안전 확보에 필요한 최소한의 판단 근거 자료를 제공하는 식임

[표 1] 자율운전차량 필수 센서들의 장단점 비교

◾ 2020년을 전후에 본격 상용화가 시작될 1세대 자율운전차의 대부분은 센서 퓨전을 기반으로 할 것으로 보이는데, 그렇게 되면 약 20여 개의 센서를 탑재하게 되는 셈

▸ 처음 선보일 자율운전차들은 웨이모와 GM 등을 비롯 현재 개발업체들이 테스트 및 시범사업을 전개하는 차량이 베이스가 될 것인데, 이들 실험용 차량의 사양을 보면 카메라, 라이더, 레이더 등 필수 센서만 해도 20개 안팎을 탑재하고 있음

▸ 여기에 경우에 따라 근거리용 초음파 센서, 카메라와 원거리 레이더가 커버 할 수 없는 먼 곳의 방위 측정용으로 사용하는 원적외선카메라(열화상 카메라)도 사용하게 됨

▸ 또한 이들 센서 정보와 함께 차량간 통신을 통해 얻은 다른 차량의 정보, 도로-차량간 통신에 의한 획득한 도로 인프라의 정보도 활용하게 됨

▸ 도로에서 실제 주행 실적이 적은 초기의 자율운전차들이 일부러 중복을 허용하고 신뢰성에 중점을 두는 센서 퓨전 기반을 채택하는 것은 타당한 측면이 있음

▸ 센서 퓨전의 개념은 자동차 제조업체는 물론 전장 시스템 제조업체인 ‘티어(Tier) 1'과 전자부품 제조업체인 ’티어 2‘에도 깊숙이 스며들어 있음

▸ 특히 자동차 업계에서 업력이 오래된 관계자들일수록 중복하더라도 높은 신뢰성을 확보 할 수 있는 센서 퓨전 방식의 개발이 앞으로도 필요하다고 입을 모으고 있음

▸ 그러나 센서 퓨전으로 모든 문제가 해결되는 것도 아니며, 차량의 비용, 외형의 크기, 중량, 소비전력이 모두 증대하는 등 최근 자동차 개발 흐름과 배치되는 문제가 발생함

▸ 특히 다수의 센서를 탑재함으로써 비용이 많이 들어 차량 가격이 100만 달러를 넘어서는 문제가 가장 이슈가 되는데, 이로 인해 초기 자율운전차는 고급차와 공유 서비스용 차량이 중심이 될 것이라 전망되고 있음

◾ 이러한 센서 퓨전 방식의 문제를 해결하기 위해 신형 센서들이 개발되고 있는데 그 중 대표적인 것이 ‘수퍼 라이더’임

▸ 수퍼 라이더는 감지 원리까지 일신하고 있는데, 이 때문에 라이더라는 이름이 붙어 있기는 하지만, 더 이상 전통적 의미의 라이더는 아니라 보는 관계자들도 있음

▸ 라이더의 진화는 두 단계로 전개되어 왔는데, 처음에는 큰 부피와 높은 비용의 주원인이 되는 미캐닉(mechanic, 기계학적) 구조를 개선하여, MEMS(미세전자기계시스템) 등으로 기계화를 최소화하는 방향으로 개발이 진행되었음(제 1의 진화)

▸ 최근에는 라이더의 대표적인 작동원리 그 자체를 재검토하여 기존 라이더의 원리로 인해 야기된 한계를 타파하려는 개발(제 2의 진화)이 진행되고 있는데, 이를 통해 고해상도화, 장거리화, 고속화를 도모하고 있음

<자료> xTech

[그림 1] 자율주행차 센서 기술의 진화

◾ 수퍼 라이더는 라이더의 일반적인 거리 측정 기법들을 반드시 사용하는 것은 아니기 때문에 라이더가 아니라는 평도 나오는 것이며, 기술 혁신도 여러 방향에서 도모되고 있음

▸ 라이더는 기본적으로 근적외광(파장 900~1100nm와 1500nm 부근의 빛)의 펄스를 내리쬐어 대상물로부터 반사되어 오는 시간(ToF, Time of Flight, 비과시간)으로 거리를 추정함

▸ 그러나 근적외광은 태양의 파장과 겹치는데다 짧은 펄스의 잡음에 약하고, 악천후에서 장거리 측정이 어렵다는 문제가 있음

▸ 이의 해결을 위해 레이더에 채택된 FMCW(Frequency Modulated Continuous Wave, 주파수 변조 연속파 레이더)를 적용하여 라이더를 개발하는 사례가 나오고 있음

▸ 근적외광의 수광부를 변경하여 개발하는 사례도 있는데, 대부분의 라이더는 포토 다이오드(PD)를 사용하며, 감도를 높이기 위해 단일 광자의 입사에서 대량의 전자를 발생시키는 ‘애벌란시 포토 다이오드(APD)’를 채택하는 경우가 많음

▸ 그러나 APD는 악천후에서 측정을 장거리화하기에 한계가 있는데, 수퍼 라이더 중에는 근적외광보다 긴 파장의 적외광을 사용하여 빛을 파동으로 인식해 안테나에서 빛을 받는 사례가 있으며, 이는 근적외광의 전파에 따른 문제를 해결하기 위한 것임

▸ 한편 해상도를 카메라 수준으로 높이기 위해 일반 CMOS 이미지 센서를 사용하는 수퍼 라이더도 등장하는 등 신형 라이더 개발은 경쟁 양상도 보이고 있음

◾ 일반 CMOS 이미지 센서를 사용하여 카메라 수준의 고해상도 거리 이미지를 얻을 수 있는 수퍼 라이더를 개발하고 있는 곳은 미국의 벤처기업인 ‘테트라뷰(TetraVue)’

▸ 테트라뷰는 이미지 센서의 수광부에 범용 CMOS 센서를 사용할 수 있는 라이더를 개발 중인데, 단 거리 측정에는 일반적인 라이더와 같이 ToF 방식을 사용함

▸ 테트라뷰의 수퍼 라이더는 약 200만 화소의 CMOS 이미지 센서를 사용하고 있어, 거리 이미지의 해상도는 카메라와 견주어 손색이 없는 수준임

▸ 초당 25 프레임 촬영이 가능하여 거의 실시간으로 거리 이미지를 얻을 수 있으며, 촬영 가능한 거리는 최대 80m로 나와 있지만 실제로는 130m까지 감지할 수 있으며, 향후 200m까지 장거리화 할 계획이라고 함

▸ 테트라뷰의 기술은 파장이 800nm ​​대로 가시광선에 가까운 근적외광 펄스를 기존의 플래시형 라이더와 마찬가지로 감지 범위에 내리쪼인 후 반사파를 이미지 센서에서 수광

▸ 이때 화소마다 반사파의 도달 시간을 측정하여 거리 이미지를 얻는데, 도달 시간은 자체 개발한 광학기구를 조합하여 측정하고 있음

<자료> Nikkei Electronics

[그림 2] CES 2018에서 테트라뷰의 시연 장면

◾ 테트라뷰의 수퍼 라이더는 ‘저비용화’가 가능하다는 장점이 있지만, 펄스를 사용하기 때문에 잡음에 약한 라이더의 과제는 여전히 안고 있음

▸ 반사파의 도달 시간 측정 방법에 대해 테트라뷰가 자세히 밝히고 있지는 않지만, 특허 출원 내용에 따르면 반사광의 강도를 통해 추정하는 것으로 보임

▸ 이미지 센서의 전면에 2개의 편광판을 겹친 광학 필터를 두며, 그 편광 특성을 전기적으로 제어하여 광학 필터의 투과율을 한 프레임 내에서 시간으로 바꾸는데, 가령 투과성을 90%에서 10%까지 직선적으로 낮추면 투과성은 수신 시간과 1대1로 대응하게 됨

▸ 따라서 이미지 센서의 각 화소가 받은 신호의 진폭을 통해 각 화소에 반사파가 도달한 시간을 알 수 있는데, 반사파의 진폭은 물체의 반사율에 따라 변화하므로 필터로 감쇄시키지 않고 수광한 신호로 정규화 하며, 정규화 된 신호 강도가 수신 시간에 대응하므로 거리를 추정할 수 있음

▸ 테트라뷰의 이 기술은 거리 정확도를 결정하는 시간의 측정을 ns(나노초) 순서로 실행할 필요가 없기 때문에 거리 방향의 분해능을 쉽게 높일 수 있을 것으로 보임

▸ 또한 일반 CMOS 이미지 센서와 수지 필름만으로 가동부 없이 구성할 수 있기 때문에 저비용화하기도 쉽다는 장점이 있음

▸ 다만 근적외광을 사용하기 때문에 안개 등에 흡수되기가 쉽고, 펄스를 사용하므로 잡음에 약하다는 라이더의 과제는 여전히 남아 있음

◾ 근적외광 펄스에서 기인하는 문제의 해결책이 될 수 있는 센서를 개발하고 있는 곳은 이스라엘의 벤처기업인 ‘오릭스 비전(Oryx Vision)’

▸ 오릭스 비전은 장거리 레이더에 견줄 만한 측정 범위(150m 이상)를 고분해능으로 센싱이 가능한 라이더를 개발 중임

▸ 레이저 빛을 섬광처럼 쪼인다는 점에서 기존 라이더와 같지만 레이더의 무선통신 방식 (FMCW)과 무선 수신 기술(MIM 안테나)을 조합한 것이 특징

▸ 적외광 중 장파장으로 분류되는 파장 10μm의 레이저 광을 사용하므로, 파장 1μm 전후의 근적외광을 사용하는 기존 라이더보다 안개 등의 환경에서 투과성이 높음

▸ 또한 펄스의 반사파가 아니라 레이더와 같은 연속파에 의한 FMCW 방식을 채택하고 있고 감지 범위의 전방향에 빛을 방사하는 플래시 타입이며, 반사 신호는 포토 다이오드가 아니라 안테나로 수신하고 초당 1500만 화소로 이미지 촬영이 가능함

▸ 오릭스 비전의 센서는 150m 떨어진 곳에서 10cm의 거리 분해능을 제공하는데, 5μm2 크기의 다수의 안테나 소자를 넣어 분해능을 확보하고 있음

<자료> Nikkei Electronics

[그림 3] 무선통신 기술을 이용한 라이더

▸ 특허 출원 내용에 따르면 오릭스 비전은 MIM 소자를 사용하는 것으로 보이는데, MIM 소자에 빛을 전력으로 변환하는 ‘렉테나(rectenna)'를 구성하며, 렉테나는 일반적으로 포토 다이오드보다 감도가 높음

▸ FMCW 방식의 레이더와 마찬가지로 낮은 값에서 높은 값까지 선형적으로 변하는 주파수를 갖는 처프(chirp)신호로 변조된 적외선을 송출하고 반사파와 믹싱하는데, 믹싱에서 얻을 수 있는 송신파와 수신파의 차이는 지연시간과 거리에 비례한 주파수가 됨

▸ 믹싱하여 발생하는 신호는 실리콘 반도체와 호환되는 주파수가 되도록 설계 할 수 있으나, 10μm의 파장은 20℃ 전후의 물체에서 나오는 복사파의 파장에 가깝기 때문에 주위 환경이 잡음의 원천이 될 수 있는 단점이 있음

◾ 레이더와 같은 FMCW를 사용하는 수퍼 라이더를 개발 중인 벤처기업은 ‘스테라비전(SteraVision)’인데, 500m 등 장거리 대응 레이더가 불필요하게 될 것이라 보고 있음

▸ 독자적으로 개발을 진행하고 있는 스테라비전은 신호를 ToF 방식보다 40배의 고감도로 받을 수 있고, 비나 안개 등 악천후에도 강하며, 파장이나 위상이 있는 레이저 광원을 사용하지 않고도 디지털 신호 처리를 통해 보정할 수 있는 기술을 조합하였음

▸ 스테라비전의 센서는 레이저 빔을 주사(스티어링)하는 방법에 특징이 있는데, 임의의 지점에 산발적으로 빔을 조사할 수 있으며, 굴절률을 제어 할 수 있는 액정 등으로 구성된 필름을 사용함

▸ 1쌍의 필름으로 빔을 두 방향 중 하나에 굴절시키므로 가령 8쌍을 겹치면 28(256)개 방향 중 어느 한 방향을 선택할 수 있고, 2개축을 준비하면 256×256 의 스캔이 가능하게 되는데, 전환 시간은 14μ~20μs 정도임

▸ 스테라비전은 빔 소자의 프로토타입을 제작하였으며, 이 부분만 2018년 내에 출시할 예정이며, FMCW 방식의 동작 여부를 2018년 내에 실증한다는 계획

<자료> xTech

[그림 4] 레이더 방식을 이용한 스테라비전

◾ 자동차 업계에서 안전성 확보를 위해 중복이 허용되던 센서의 통합은 필연적이며, 따라서 자율주행차의 3개 필수 센서를 넘어설 센서의 개발 경쟁도 이제 막 본격화되고 있음

▸ 자동차 업계는 안전이 제일이기는 하지만 비용절감 의식도 매우 강하기 때문에, 새로운 기술의 투입 초기에는 중복이 허용되다가 시장에서 검증되고 실적이 쌓이게 되면 안전성 보다 비용절감에 초점을 맞추는 경향이 있음

▸ 자동차 산업의 역사를 되돌아보면 ABS(Antilock Brake System)가 그랬고, 차량 마이크로컴퓨터 등의 전자 시스템이 그랬음

▸ 그렇게 보면 자율운전차의 보급이 시작되고, 추가적인 기능의 개발에 들어서는 단계에서는 중복이나 여유가 없어질 것이고, 그 과정에서 필연적으로 다양한 센서의 통합이 진행될 것이라 예상할 수 있음

▸ 카메라, 라이더, 레이더라는 자율운전차의 3대 센서 영역을 넘어선 통합 센터 개발의 큰 경쟁이 시작되었으며, 초기 양상은 기존 라이더에 카메라와 레이더 기능을 통합하는 수퍼 라이더 개발 경쟁으로 드러나고 있음

▸ 현재 회자되고 있는 1세대 자율운전차들이 센서 융합 방식 기반으로 개발된 것이라면, 새로운 통합 센서 개발의 경쟁은 자율운전차 초기 시장이 형성되고 난 후 본격적으로 산업을 형성할 2세대 자율운전차 시장을 겨냥하고 있음

▸ 자율운전차 개발의 후발주자들은 이러한 흐름을 잘 파악하여, 자율운전차 시장 경쟁에서 계속 뒤처지지 않기 위해 통합 센싱 기술의 개발을 병행하는 등 전략적인 기술 개발 및 시장 진입 계획을 수립하고 실행해 나갈 필요가 있음

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1841호(2018. 4. 11. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

우버 자율운전차 사망 사고, 도심 주행 허가 기준 강화될 듯.pdf

[ 요 약 ]

[ 본 문 ] 

ž 우버(Uber)의 자율운전 차량이 일으킨 사고의 원인은 아직 조사 중이지만, 자율운전차에 의한 첫 보행자 사망 사고라는 점에서 상당한 파장을 일으키고 있음

Ø 사망 사고는 2018년 3월18 일, 애리조나주 피닉스 교외인 템피(Tempe)에서 일어났는데 우버의 자율운전 시험 차량(Volvo XC90 SUV 베이스)이 시속 40 마일로 주행하던 중 길을 건너고 있던 여성을 치면서 발생하였음

Ø 이 여성은 자전거를 끌고 도로의 왼쪽에서 오른쪽으로 건너 가고 있었는데, 맨 끝차선을 달리고 있던 자동차는 감속하지 않고 직진을 계속해 여성을 사망시켰음

Ø 자동차에는 운전자가 탑승하고 있었지만, 차량 내부 촬영 영상을 보면 사고 당시 전방을 주시하고 있지 않았기 때문에 위험 회피 조치를 할 수 없었음

Ø 자율운전 차량과 관련된 사고는 몇 차례 있었지만 인명 사고가 난 것은 이번이 두 번째이며, 보행자가 사망한 것은 처음임

Ø 지난 2016년 테슬라 차량이 트럭과 충돌하며 운전자가 사망할 당시 테슬라의 오토파일럿(Auto Pilot) 기능이 핸들과 페달 제어를 지원하는 레벨 2 정도였다면, 이번 사고 차량은 목적지를 설정하면 스스로 주행하는 레벨 4 단계였기 때문에 사고의 여파가 더 크게 나타나고 있음

Ø 사고 직후 애리조나를 비롯 다른 주에서도 사고의 원인이 정확히 밝혀지기 전까지 자율운전 도로 주행 테스트를 잠정 중단시켰으며, 현재 국가교통안전위원회(National Transportation Safety Board, NTSB)가 사고 원인 조사를 진행하고 있음

ž 사고 발생 시각은 밤 10시 경이기 때문에 사고 원인 분석은 우선 보행자 인식 실패가 센서의 결함인지 시스템의 결함인지를 규명하는 데 초점을 맞추고 있을 것으로 추정됨

Ø 우버의 자율운전 자동차는 여러 센서를 탑재하여 자동차 주위의 객체를 인식하는데, 지붕 위에는 하나의 라이더(Lidar, 레이저 센서)와 7 대의 카메라를 탑재하고 있으며, 또한 레이더도 설치하여 차량 주위 360도를 모니터 하고 있음

Ø 사고가 야간 주행 중에 일어나긴 했지만, 기술적으로는 주변이 어두워도 라이더를 통해 객체를 인식할 수 있고, 보행자 정도의 객체 크기라면 확실하게 감지 할 수 있다는 것이, 우버 차량에 탑재된 라이더를 제작한 벨로다인(Velodyne)의 입장임

Ø 벨로다인의 입장 발표에 따르면 차량에 사용된 라이더 HDL-64E 모델은 사고 당시와 같은 상황 조건에서 보행자와 자전거를 확실히 구분할 수 있다고 주장하였음

Ø 아울러 라이더의 역할은 객체의 감지이며 회피 조치를 취할 판단은 시스템이 하는 것이라고 덧붙이며, 우버의 자율운전 소프트웨어에 문제가 있을 것이라는 견해를 밝혔음

Ø 벨로다인의 주장에 대해서는, 자율운전 차량이 사고 당시 속도를 줄이거나 회피하려는 동작을 전혀 취하지 않은 것을 보면 인식이 안된 것으로 보아야 한다는 반론이 있음

ž 로이터 통신은 전문가 취재를 통해, 라이더의 기술적 결함은 아니지만 우버가 라이더의 개수를 줄임에 따라 사각지대가 발생했을 가능성에 무게를 두고 보도하였음

Ø 우버의 자율주행 테스트 차량은 원래 포드의 퓨전 세단으로 라이더 7개, 레이더 7개, 카메라 20대가 장착돼 있었음

Ø 우버는 지난 2016년에 베이스 차량을 볼보 XC90 SUV로 변경하면서, 레이더는 10개로 늘렸지만 라이더는 1개, 카메라는 7대로 줄인 바 있음

Ø 차량 주변을 탐지하는 라이더는 센싱 능력이 우수하나 부품 가격이 매우 높고, 벨로다인이 거의 독점 공급하고 있어 자율운전 차량의 가격이 낮아질 수 없는 원인으로 꼽히고 있기 때문에 우버의 변경 조치는 비용절감이 목적이었을 것임

Ø 그러나 로이터 통신에 따르면 벨로다인의 라이더는 360도를 모니터 할 수 있지만 수직 감지 범위가 좁아 낮은 곳에 위치한 물체를 감지하기 어려운 단점이 있고, 따라서 지붕에 1대만 설치할 경우 차량 주위 약 3미터의 사각지대가 발생할 수 있다고 함

Ø 사각지대 가능성에 대해서는 벨로다인 관계자도 인정했고 그렇기 때문에 다수의 라이더가 필요하다는 설명도 덧붙였다고 하는데, 웨이모가 차량에 6대의 라이더를 장착한 것에 비하면 우버가 라이더를 1개로 줄인 것은 센싱 관점에서 중대한 결함이라고 로이터는 지적

ž 그러나 자율주행차의 센서가 라이더만 있는 것은 아니기 때문에, 어떻게든 보행자는 인식했을 것이라 보는 것이 대체적인 견해임

Ø 우버는 지붕에 7대의 카메라를 탑재하고 있는데, 전방을 담당하는 카메라는 근거리와 원거리를 모두 커버하며, 앞쪽에 있는 다른 자동차가 감속하는 것을 파악하는 동시에 보행자를 인식하고 또한 신호등과 도로 표지판을 읽는 데도 사용됨

Ø 사고 직후 뉴스 보도에 따르면 사고 장소는 야간이지만 가로등이 설치되어 있어 일정한 밝기임을 알 수 있고, 카메라의 성능은 정확히 공개되어 있지 않지만 다이내믹 레인지가 넓어 사고 여성을 파악했을 가능성이 높음

Ø 자율운전 제어 ​​카메라와는 별도로 대시보드에 모니터용 카메라도 구비되어 있어 전방과 차량 내부를 촬영하게 되는데, 템피시 경찰이 공개한 대시보드 카메라 영상을 보면 보행자가 도로 왼쪽에서 오른쪽으로 건너고 있는 것이 정확히 포착되어 있음

Ø 영상을 보면 카메라가 보행자를 인식했음에도 또한 자동차는 감속하지 않고 그대로 직진 한 것도 확인할 수 있으며, 또한 위험 시 개입해야 할 운전자가 전방을 주시하지 않고 있다가 사고 소리에 상황을 알아 차리고 놀라는 장면도 확인할 수 있음

Ø 한편 우버 차량에는 라이더와 카메라 외에 주위 360도를 모니터 하는 레이더도 탑재되어 있는데, 레이더는 주행 중인 자동차나 정차하고 있는 자동차 등을 인식하며 도플러 효과를 이용하여 객체의 이동 속도를 파악하는 역할을 함

Ø 일반적으로 레이더의 해상도가 낮고 핀 포인트에서 객체의 위치를 ​​특정 할 수 없기 때문에 레이더 단독으로만 센싱하지는 않으며, 또한 레이더가 보행자를 인식해도 알고리즘은 이 정보만으로 브레이크를 걸도록 프로그램 되어 있지는 않음

Ø 따라서 사고 당시 차량이 속도를 줄이거나 정지하지 않았다고 해서 레이더가 보행자를 인식하지 데 실패했다고 볼 수는 없다는 것이 전문가들의 견해임

ž 종합적으로 볼 때, 우버의 센서가 보행자를 인식했을 가능성은 높은데 그럼에도 불구하고 차량이 회피 조치를 취하지 않았는지가 원인 규명의 핵심이 될 것으로 보임

Ø 현재 사고 원인 조사를 하고 있는 국가교통안전위원회(NTSB)는 주로 항공기 사고를 담당하나 교통 사고 중 사안이 중대할 경우 맡기도 하는데, 자율운전 자동차 사고처럼 자동차의 소프트웨어 분석이 요구되는 고도의 사안인 경우도 NTSB가 원인을 규명함

Ø NTSB에 의한 조사의 최종 결론이 나오려면 시간이 좀 더 걸리겠지만, 우버의 자율운전 시스템에 심각한 문제가 있다는 말들이 언론을 통해 흘러 나오고 있음

Ø 뉴욕타임스에 따르면 우버 차량의 ‘Disengagement(디스인게이지먼트, 자율운전 기능 해제 조치)’의 빈도는 13 마일당 1번이라고 하는데, ‘디스인게이지먼트’는 차량에 문제가 발생하여 테스터 드라이버가 자율운전 모드를 해제시키는 조치를 의미함

Ø 즉, 디스인게이지먼트가 실행되었다는 것은 자율운전 자동차가 비정상 상태에 있음을 의미하며 결함 발생 건수로도 해석할 수 있는데, 우버 차량의 경우 이것이 13 마일마다 발생했다는 것이므로 시스템이 아직 불완전한 상태에 있다고 추정할 수 있음

Ø 자율운전 차량의 도로 주행 테스트가 주로 이루어지는 캘리포니아주의 교통당국은 매년 각 기업의 테스트 결과를 취합해 ‘자율운전 차량 디스인게이지먼트 보고서’를 공표하는데, 우버의 경우 2017년 보고서에 등재되어 있지 않아 정확한 기술 수준 추정이 어려웠음

Ø 이번 뉴욕타임스의 보도로 우버의 디스인게이지먼트 빈도가 알려진 것인데, 13 마일당 1회 발생했다는 결과는, 약 5,600 마일당 1회가 발생한 웨이모(Waymo)나 1,250마일당 1회가 발생한 GM과 비교해 볼 때 기술 완성도 면에서 큰 격차가 있는 것임

[표 1] 2016.12~2017.11 캘리포니아 주 내 자율운전 테스트 기업의 디스인게이지먼트 비교

<자료> Department of Motor Vehicles, State of California, 우버의 기록은 New York Times 보도

ž 우버 자율운전 시스템의 기술 결함으로 초점이 맞춰지는 가운데, 이것이 우버 만의 문제인지, 자율운전 알고리즘에 내재한 본질적인 문제인지에 대한 논의도 이루어지고 있음

Ø 사고 시간이 야간이었고, 사고 지역이 ‘횡단보도가 아닌 구역’이었기 때문에, 자율주행 차량이 보행자 주의가 필요하지 않다고 인식했을 가능성이 있다는 분석도 있음

Ø 워싱턴 포스트는 로보틱스 전문가인 듀크 대학의 미시 커밍스 교수의 말을 빌려, 자율주행차량의 컴퓨터 시스템이 보행자, 특히 횡단보도 바깥의 보행자까지 인식하는 것은 아니라는 점을 지적하였음

Ø 자율운전 차량은 ‘인식-판단-제어’의 순서로 작동하는데, 센서가 비록 무언가 객체를 인식했다 하더라도, ‘한밤 중에 횡단보도가 아닌 곳에서 자전거를 끌고 가는 사람’이었던 만큼 보행자로 구별하지 못했을 가능성이 있다는 것임

Ø 커밍스 교수는 자율주행 시스템은 귀납적 추론을 할 수 없으므로, 특정 장소, 특정 시간대의 어떤 모습을 추측할 수 없다고 설명하며, 자율주행 차량이 도로의 복잡한 변수를 파악하지 못하기 때문에 사고가 날 위험이 높다는 점을 지적하고 있음

Ø CNN 역시 자율주행차가 보행자와 자전거를 끌고 있는 사람을 구분하는 것은 어려운 작업이라며, 자율주행차의 성능이 고속도로처럼 신호가 없고 상황이 단순한 곳에서는 완전해 보이지만, 시내주행 테스트는 조심스럽게 접근할 수밖에 없다고 보도하였음

Ø 그러나 이런 지적에 대해서는, 자율운전 시스템은 보행자나 다른 차량들이 교통법규를 정확히 준수했을 때만 작동할 수 있다고 말하는 잘못된 주장이라는 반론도 있음

Ø 웨이모와 GM뿐 아니라 사고를 낸 우버를 포함해 자율운전차 개발업체들은 사고 위험을 줄이기 위해 가상주행, 시험주행 등으로 주행 데이터를 수집하고 보행자의 무단 횡단 등 최대한 많은 교통 변수를 파악하기 위해 노력하고 있다는 것임

Ø 또한 사고 영상을 보면 속도를 줄이거나 차선을 바꾸려는 시도가 전혀 없었는데, 시스템이 비록 보행자인지 아닌지 구분할 수 없었을 수는 있으나, 앞쪽에 무언가 있는데 정확히 무엇인지 모를 경우 계속 직진하라고 알고리즘을 설계하지는 않았을 것이란 반박임

Ø 즉, 이번 사고의 원인은 센서에서 제대로 인식을 하지 못했거나, 만일 인식을 제대로 했다면 알고리즘 설계의 잘못이라기 보다는 단순히 소프트웨어가 순간적으로 작동을 하지 않았을 것으로 보는 것이 합리적이라는 것임

ž 이런 면에서 볼 때, 이번 우버 차량의 인명 사고는 각 개발업체의 자율주행 시스템 알고리즘이 어떤 기준으로 설계되어 있는지 공개하도록 요구하는 계기가 될 수도 있음

Ø 만일 우버 차량의 사고가 센서 미인식이나 소프트웨어의 작동 오류가 아니라 알고리즘에 의한 것이라면, 가령 가능성은 낮지만, ‘횡단보도가 아닌 구역에서는 보행자 주의가 필요하지 않다’는 식으로 프로그래밍이 되어 있는 것이라면 이는 심각한 문제가 될 수 있음

Ø 우버의 경우 작년 3월에 자율주행 차량이 전복되는 사고가 있었는데, 당시 신호가 노란색으로 변하는 순간 교차로에 들어선 차량이 가속했다는 증언이 나오면서, 노란색 신호에서는 속도를 올려 통과하라고 프로그래밍 돼 있을 가능성이 있다는 보도가 나온 바 있음

Ø 교통 법규에서 교차로 진입 시 노란색으로 불이 바뀌면 빠르게 통과하라고 되어 있기 때문에 우버의 알고리즘이 그렇게 프로그래밍 되어 있다고 해서 비판할 수는 없을 것임

Ø 그러나 교차로는 매우 복잡한 상황이 벌어지는 곳이기 때문에, 현재 기술 수준에서 노란색 신호로 바뀌는 순간 무조건 가속해서 통과하라고 프로그래밍 하는 것이 적절한 지에 대해서는 사회적 논의가 필요하며 각 기업의 판단에만 맡길 수 없다는 지적도 있음

Ø 이는 비단 우버 만의 문제는 아니며 자율운전차를 개발하는 모든 기업에 해당하는 것으로 각 기업이 어떤 기준으로 알고리즘을 프로그래밍 하는지 밝혀야 한다는 목소리가 높지만, 교통사고시 책임 소재 등의 이슈와 맞물려 있어 완전히 공개되지 않고 있는 상황임

Ø 자율운전차에 대한 논의에서 빠지지 않는 ‘트롤리 딜레마’, 즉 타인의 생명과 자신의 생명 중 하나를 선택해야 할 때 자율운전차가 어떤 선택을 하도록 프로그래밍 할 것인지, 혹은 알고리즘을 교육할 것인지는 쉽사리 합의에 이르기 어려운 난제임

Ø 트롤리 딜레마의 경우 현재는 차량 제조사마다 다른 윤리적 지침을 제시하고 있는데, 웨이모의 경우 어떤 선택이 더 나은 것인지 판단할 수 없지만 약자로 판단되는 보행자에 초점을 맞추고 있다는 입장임

Ø 반면 메르세데스 벤츠는 차 안의 사람을 보호할 것이라는 입장을 밝히고 있으며, 독일연방교통부의 경우는 사고를 피할 수 없는 상황에서 자율주행차가 어떤 선택을 해야 하는 것인지 결정할 수 없다고 입장임

Ø 자율주행차의 테스트 장소가 교통 흐름이 단순한 고속도로에서 이제 보다 복잡한 시내 주행으로 옮겨오고 있는 중이기 때문에, 어쩌면 자율주행차에 의한 사고는 계속 발생할 수 있을 텐데, 그 과정에서 알고리즘에 대한 공개 요구 역시 보다 거세질 수 있을 것임

ž 자율주행차의 상용화에 대한 기대가 높아지고 있는 상황에서 발생한 이번 인명 사고는 자율주행 기술의 신뢰도에 대해 다시 한번 되짚어 보는 계기가 되고 있음

Ø 자율주행차의 시가지 주행 테스트에 관대한 애리조나주에서도, 이번 사고 직후 우버의 시험 주행 중지 명령을 내렸음

Ø 애리조나 주지사는 사고의 원인이 확실히 우버 측에 있다고 말함으로써 엄격한 입장을 취해 나갈 것임을 시사하였으며, 우버가 앞으로 애리조나에서는 자율주행 테스트를 재개할 수 없다는 말도 나돌고 있음

Ø 이는 비단 우버에 한정한 이야기는 아니며, 애리조나뿐만 아니라 다른 주에서도 향후 자율운전에 대한 규제, 특히 시가지 주행에 대한 규제는 엄격해질 것으로 전망되고 있음

Ø 사고 직후 자율주행 기술 개발업체 스스로 테스트에 신중한 입장을 보이기도 하는데, 엔비디아의 경우 안전이 보장될 때까지 자율주행 시험을 중단한다고 발표하였음

Ø 엔비디아는 사고 직후 우버 차량이 엔비디아의 자율주행 기술을 적용하고 있었다는 보도가 나오며 곤경에 처하기도 했으나, 엔비디아의 젠슨 황CEO는 우버와 협력하고 있는 것은 사실이나 우버가 독자적인 인식 및 제어기술을 개발 중이었다고 해명한 바 있음

Ø 공교롭게 엔비디아는 사고 후 열흘 만에 개최된 자사 개발자 컨퍼런스 ‘GPU Technology Conference(GTC) 2018’를 맞이하게 됐는데, 적극적으로 자신들의 자율운전 기술 홍보에 나설 수 없는 상황이 되었음

Ø GTC 2018에서 스웨덴의 스타트업 ‘아인라이드 트럭(Einride Truck)’은 올해 가을 무인 트럭 ‘T-pod(T-팟)’을 상용화한다고 발표했는데, T-팟은 미국 자동차기술협회가 정한 레벨5의 최고 수준 자율운전을 지향함

Ø T-팟은 고속도로에서는 레벨5로 주행하지만 비상시에는 담당자가 원격으로 조작하며, 일반 도로에 들어서면 항상 무선 통신을 통해 원격으로 조작하게 되는데, 레벨4~5의 차량 개발을 위한 엔비디아의 ‘드라이브 PX(Drive PX)’ 인공지능 시스템을 채택하고 있음

Ø T-팟을 비롯해 엔비디아는 GTC 2018 행사에서 자율운전 기술에 대해 자신감을 내비치기도 했지만, 이번 우버 사고와 연루설도 있고 자율운전에 대한 부정적 여론이 커진 상태이므로 당분간 도로 주행 테스트를 자제하며 기술을 점검하겠다는 입장을 표명한 것

ž 전문가들은 이번 사고로 자율주행차 개발이 중단되지는 않겠지만, 현재의 개발 관행에 큰 변화를 가져올 것이며, 기술력의 차이에 따라 지원이 차등화될 가능성을 점치고 있음

Ø 이번 사망 사고로 인해 자율주행차량은 아직 복잡한 변수에 취약하다는 점이 드러난 셈이라는 지적이 있긴 하지만, 미국 현지에서는 그럼에도 자율주행 시험 주행을 계속 이어가야 한다는 주장이 훨씬 많은 편임

Ø 자율주행차가 이상 상황에 대비한 메커니즘이 있긴 하지만 더 많은 변수를 감안해 판단하기 위해서는 결국 더 많은 테스트를 할 수 밖에 없으며, 시뮬레이션 주행을 통한 알고리즘 교육도 강화해야 하지만 도로 위 시험 주행의 지속이 중요하다는 것임

Ø 단, 현실적으로 자율주행 개발업체들 사이에 기술 격차가 있다는 것이 수치로 확인되고 있느니만큼, 도로 주행 허가를 위한 기준을 설정할 필요가 있다는 주장이 힘을 얻고 있으며, 이와 맞물려 개발업체들의 도덕성에 대한 문제 제기도 이루어지고 있음

Ø 인터넷 상에는 우버의 자율운전 자동차가 시가지를 경쾌하게 주행하고 있는 비디오가 많이 있으며 이는 기술이 완성된 것처럼 보이게 하는데, 이번 사고를 통해 실제 우버의 시스템은 미완성이고 시가지를 달리기에는 위험성이 높다는 평가와 증언들이 나오고 있음

Ø 우버는 자율주행차량의 시험 주행을 위해 약 5만평에 이르는 가상도시 ‘알모노(Almono)’를 만들었다고 알려지는 등 외부적으로 기술 개발 수준이 높다는 인상을 주고 있으나, 디스인게이지먼트가 13마일당 1회라는 사실은 매우 어려움을 겪고 있음을 방증함

Ø 우버의 테스터들도 이전에 유사한 상황이 많았음을 증언함에 따라 우버가 이런 기술 수준으로 시내 주행 테스트를 실행에 옮긴 데 대한 비난의 목소리도 커지고 있음

Ø 또한 자율운전 기술의 완성도를 너무 신뢰한 나머지 전방 주시 의무를 게을리 할 만한 상황이 전혀 아니었음에도 한눈을 판 테스터와, 테스터들에 대한 교육을 철저히 하지 않은 우버에 책임을 묻는 사람들도 많음

Ø 우버는 향후 자율운전 기술 개발과 테스트를 어떤 식으로 전개할 것인지에 대한 질문을 받고 있는데, 이는 우버뿐 아니라 다른 기술 개발업체에도 해당되는 것이며, 개발업체들의 답변과 상관없이 교통당국이 나름의 허가 기준을 정할 가능성이 매우 높아지고 있음

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1839호(2018. 3. 28. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

2020년 자율운전차 상용화 경쟁에 뛰어 든 일본 자동차업체들.pdf

[ 요 약 ]

[ 본 문 ]

ž 일본은 2020년 도쿄 올림픽을 타깃으로 대규모 자율운전 테스트를 준비하고 있는데, 가장 난관으로 여겨지는 것이 도심 시가지에서 주행 테스트임

Ø 일본의 자동차 업체들은 2020년 올림픽을 현재 자신들이 개발 중인 자율주행차의 성능 테스트를 위한 절호의 기회로 보고 있는데, 도쿄는 자율운전 기술이 해결해야 할 어려운 과제들이 집약되어 있는 환경이기 때문

Ø 자율운전 최대 난관이 집약된 메가 시티에서 기술과 서비스의 품질을 증명할 수 있다면, 일본이 세계 자율운전차 시장에 진출할 추진력을 얻을 수 있다고 보는 것임

Ø 도요타 등 주요 제조업체들은 ‘하네다 국제공항, 수도 고속도로, 도심 시가지’의 3개 장소를 중심으로 실증 실험 준비를 시작하였음

Ø 항공기에서 입국장까지 운행하는 버스가 자율 운전으로 작동하고, 공항에서 도심으로 나가는 고속도로에서도 자율운전차가 고속 주행하며, 도쿄 올림픽 경기장을 중심으로 시가지에서도 자율운전차가 선수와 대회 관계자를 이동시키는 모습을 보여주겠다는 계획임

Ø 이 3개 장소 중 가장 난관으로 여겨지는 것은 ‘도심 시가지’인데, 시가지는 보행자나 자전거 등이 자유롭게 다니고, 장애물도 많기 때문에 엄격한 교통 규칙으로 관리되는 공항 내부나 보행자가 없는 고속도로와 비교해 주행이 매우 어렵기 때문

Ø 실증 실험이라고는 하나 한번이라도 사고를 일으킨다면 큰 문제로 불거질 수도 있고, 점차 고조되는 자율 운전에 대한 기대에 찬물을 끼얹는 결과로 이어질 수 있음에도 불구하고, 일본 자동차 업체들은 시가지에서 자율운전 실현에 강한 의지를 보이고 있음

Ø 대표적으로 닛산 자동차는 ‘기술혁신의 최전선에 있는 새로운 모빌리티 서비스’의 제공이 사업 발전으로 이어질 것이라며, 철도나 버스 등의 기간 교통 시스템과 목적지 사이를 잇는 ‘라스트 마일 이동성(last mile mobility)’을 핵심 컨셉으로 서비스를 구축할 것이라 발표

ž 자동차 업체들이 자율운전을 이용한 이동 서비스의 실용화를 목표로 내 건 데에는 자동차 산업의 구조 변화와 새로운 거대시장 형성이라는 상반된 배경이 함께 작동하고 있음

Ø 자동차 업체들에게 부정적인 환경 요인은 자동차를 바라보는 관점이 ‘소유’에서 ‘이용’으로 향해 변해가는 거대한 패러다임 전환임

Ø 새로운 시대의 도래에 따라 100년간 이어온 자동차 제조·판매업이 성립하기 어려워지고 있는 것인데, 보스턴컨설팅그룹(BCG)에 따르면 공유 서비스 용도의 자동차 판매가 성장을 지속하며 개인 소유 목적의 신차 판매는 2025년을 기점으로 감소세로 돌아설 전망

[표 1] 전기자동차(EV)와 자율운전차 시장 전개의 3가지 시나리오

<자료> Boston Consulting Group

Ø 차량 판매라는 기존 사업모델이 침체를 겪을 것으로 예상되는 반면, 서비스 사업을 중심으로 한 신규 사업의 이익은 크게 늘어나 BCG에 따르면 2035년 자동차 업계 영업이익의 40%는 신규 사업모델에서 발생할 것으로 예상됨

Ø 인텔이 시장조사기관 스트래티지 애널리틱스와 공동으로 발표한 자료에 따르더라도, 자율 운전 자동차의 보급에 의해 2050년경에 7조 달러의 거대 시장이 형성될 전망

Ø 인텔은 자율운전 자동차가 만들어 내는 제품과 서비스를 ‘Passenger Economy(승객 경제)’라고 명명했으며, 자율운전 차량에 의한 교통 수단을 사업자나 개인에게 제공하는 이동 서비스를 ‘MaaS(Mobility as a Service, 서비스로 이용하는 이동성)’라 부르고 있음

Ø 인텔은 2020년경부터 자율운전차 보급에 의해 시장이 창출되기 시작해 2035년에 8천억 달러 규모로 모멘텀을 확보한 이후 급성장 하여 2050년경에 7조 달러의 거대 시장을 형성할 것이라 보고 있음

Ø 인텔은 먼저 택배 및 장거리 수송 등 사업자용 MaaS가 형성된 이후 소비자용 MaaS가 확산되어 갈 것으로 보는데, A 지점에서 B 지점으로 이동을 제공할 뿐만 아니라 운전에서 해방되는 시간을 즐기거나 유용하게 이용하는 서비스가 속속 등장할 것으로 예상

Ø 예측에 따르면 2050 년의 소비자용 MaaS의 시장 규모는 3조 7천억 달러에 달할 전망

ž 일본 자동차 업체 중 도요타는 2020년에 제한 구역 내에서 레벨 4 수준의 자율운전 자동차로 올림픽 참가 선수와 대회 관계자를 실어 나른다는 계획을 밝히고 있음

Ø 도요타는 2020년대 초반에 미국을 비롯한 전세계 시장에서 서비스 시연을 확장하고 사업 규모 및 수익 창출 타당성 등을 검증해 나갈 계획인데, 그런 만큼 도쿄 올림픽에서 실증 실험은 신사업의 중요한 첫 걸음이 됨

Ø 도요타가 실증 실험에 사용할 차량은 이동성과 물류, 물건 판매 등 다양한 용도의 서비스 에 활용될 것을 상정한 전기자동차(EV) ‘e-Palette Concept(e-팔레트 컨셉)’임

Ø ‘e-팔레트 컨셉’은 저상 박스형 디자인을 채택하고 넓은 실내 공간을 구현했는데, 도쿄 올림픽에서는 사람을 나르는 용도로 한정하여 사용할 것으로 보이지만, 실내는 용도에 따라 다양한 설비를 탑재 할 수 있게 한다는 구상

Ø e-팔레트 차량의 정보는 차량에 장착된 통신 단말기를 통해 수집되며 도요타의 데이터 센터에 축적되는데, 도요타는 수집된 차량의 빅데이터를 활용할 수 있도록 다양한 API(응용 프로그래밍 인터페이스)를 준비한다고 함

Ø 이런 데이터들을 정리한 서비스 기반이 되는 ‘모바일 서비스 플랫폼(MSPF)’을 구축할 것이며, MSPF를 중심으로 ‘모빌리티 서비스 플랫폼 사업자’로 성장 전략을 펴 나간다는 것이 도요타의 계획임

Ø 플랫폼 사업자를 지향하는 도요타의 움직임에 맞춰 부품업체들도 지원을 서두르고 있는데, 예를 들어 덴소는 MaaS용 자동차 통신기기인 ‘Mobility IoT Core(모빌리티 IoT 코어)’와 클라우드 기반을 개발했음

Ø 덴소는 차량의 위치 정보와 속도, 스티어링, 액셀, 브레이크 등의 데이터를 ‘모빌리티 IoT 코어’를 통해 클라우드로 축적하고, 차량 데이터를 분석하여 MaaS 차량이 효율적으로 주행할 경로를 제안할 것이며, 원격으로 차량을 정지하는 시스템도 준비할 예정임

Ø 교통의 효율화를 구현하는 알고리즘에 대해서는 양자 컴퓨터의 활용도 검토 중인데, 덴소 측에 따르면 사람이 생각해 낼 수 없는 안내 루트를 즉시 도출할 수 있다고 하며, 현재 도요타 통상과 공동으로 실제 교통 데이터를 이용한 검증을 시작했다고 함

ž 닛산도 2020년대 초에 본격 서비스 개시를 목표로 개발을 서두르고 있는데, DeNA와 공동으로 자율운전 기술 기반 교통 서비스 ‘Easy Ride(이지 라이드)’를 준비 중

Ø 2020년대 초에 서비스를 본격 제공하기 위한 초석의 제 1단계로 닛산은 시가지 도로에서 자율운전 차량에 일반인을 탑승시키는 실증 실험을 2018년 3월에 실시하였음

Ø 보행자가 많은 요코하마의 미나토 미라이 지구를 실증 실험의 장소로 선택했는데, 닛산에 따르면 개념을 제시하는 단계에서 실제로 탑승시키고 주위에서 보게 하며 완성도를 높여 가는 단계로 이행하기 위한 중요한 계기가 될 것이라고 함

Ø 단순한 이동이 아니라 지역의 매력적인 장소, 상품, 서비스를 만날 수 있는 기회도 제공한다는 것인데, 서비스와 스마트폰 앱의 개발은 DeNA에 일임하였고 닛산은 차량과 자율운전 기술의 개발을 전담하였음

Ø 닛산은 각 전문 파트너와 협력하는 것이 미래를 위해 중요하다는 입장인데, DeNA와는 2017년 1월부터 1세대 리프(Leaf)를 베이스로 한 자율운전차 이용 교통 서비스 개발을 진행해 왔고, 작년 12월 서비스 명칭을 ‘Easy Ride(이지 라이드)’로 결정하였음

ž 도요타와 닛산의 자율운전 테스트 과정에서는 저비용화와 제어 개선, 신뢰성 확보 등 해결해야 할 과제도 드러났는데, 이중 높은 판매 비용 문제가 가장 많이 지적되고 있음

Ø 서비스 전용의 자율운전 자동차가 될 도요타의 e-팔레트는 탑재될 배터리의 용량에 따라 가격이 크게 변하는데, 당분간은 10만 달러를 훌쩍 넘는 고가의 자동차가 될 전망

Ø 닛산 역시 제한된 구역이 아니라 도심 시가지에서 자율운전 서비스를 겨냥하고 있기 때문에 기술과 안전도를 높이기 위한 비용 증가가 불가피하다는 지적

ž 이런 문제점을 해결하려 나선 곳은 야마하 모터인데, 골프 카트를 기반으로 한 자율운전 차량인 ‘Public Personal Mobility(PPM)’의 개발을 시작하였음

Ø 골프 카트 차체의 가격은 1만 달러 전후인데, 내∙외장을 변경하고 자율운전 시스템을 탑재하여 2~3만 달러에 맞춰 개발한다는 계획

Ø 탑재하는 자율운전 시스템도 독특하여 최소한의 센서로 구현하였는데, 자차 위치 추정은 차량 하부에 장착된 카메라 1대로만 실시함

Ø 도로를 촬영하여 미리 획득해 놓은 노면 이미지와 패턴을 매칭시켜 위치를 식별하는데, 미국의 독립 연구기구인 사우스웨스트 리서치 연구소(Southwest Research Institute)가 개발 한 기술을 채택한 것임

Ø PPM의 속력은 시속 20km 이하로 느리지만, 야마하 측은 라스트 마일 이동성을 상정하고 있기 때문에 문제가 되지 않을 것으로 보고 있음

Ø 오히려 차량 밖의 사람과도 대화가 가능한 점, 차량 속도가 느릴수록 제어도 용이하고 보행자 곁을 주행해도 부상을 입힐 위험이 적다는 점 등 천천히 주행하는 것의 장점이 많다는 것이 야마하의 생각

ž 제어의 개선도 선결 과제인데 일본 자동차 업체들은 장기간에 걸친 테스트를 통해 제어의 완성도를 높이고 장기 신뢰성을 구축해 나간다는 계획

Ø 지금까지 일본의 자율운전 실증 실험은 1주일 정도 단기간 진행되며, 자율운전이 가능하다는 것을 보여주는데 그쳐왔음

Ø 그러나 최근 도쿄 올림픽을 겨냥해 일본 자동차 업체들이 시작하고 있는 실증 실험은 보다 장기간에 걸쳐 진행되며, 장기간 주행을 통해 다양한 과제를 식별하고 해결함으로써 자율운전차의 장기 신뢰성을 확보한다는 목표 하에 전개되고 있음

Ø 가령 카 쉐어링 서비스에 사용되는 자율운전 자동차의 구동 시간은 지금보다 매우 길어지게 것이므로, 하루 24 시간 중 95% 이상을 주차장에서 대기하고 있는 현재의 자동차에 요구되는 것과는 급이 다른 내구성 기준과 정비 기준이 마련될 필요가 있다고 보고 있음

Ø 안전과 관련해서는 제어 기능의 향상에 초점을 두고 있는데, 버스 사업자들에 따르면, 버스 안에서 일어나는 사고 중 가장 빈도가 높은 것은 급브레이크를 걸 때 승객이 넘어져 부상을 당하는 것이라고 함

Ø 일본 자동차 업체는 아니나 프랑스의 자동차 벤처기업인 Navya(나브야)는 소프트뱅크와 손 잡고 도쿄 올림픽을 겨냥해 3월부터 일본에서 실증 실험을 시작하고 있음

Ø 나브야가 개발한 미니밴 타입의 무인 버스인 ‘AUTONOM CAB(오토놈 캡)’은 브레이크를 걸었을 때 마치 면허를 처음 딴 사람이 운전하는 것 같은 느낌이 든다는 평을 받고 있는데, 일본 자동차 업체들은 이런 평가에 주목하고 있음

Ø 브레이크 외에도 도로 가장자리에 차를 부드럽게 붙이거나 차간 거리를 좁혀 주차시키는 등의 제어가 자율운전차 기반 서비스의 품질을 크게 좌우할 것으로 보이기 때문에, 나브야뿐 아니라 일본 자동차 업체들은 향후 이 점을 염두에 두고 개선해 나갈 것으로 보임

ž 현재 자율운전 자동차 시장은 미국 업체들이 주도하고 있으나, 도쿄 올림픽을 계기로 일본 자동차 업체들이 적극 가세하며 보다 급속한 발전의 모멘텀을 확보해가고 있음

Ø 현재 자율운전차 시장을 주도하고 있는 웨이모와 GM은 2019년에 상용화를 시작한다는 계획을 세우고 있고, 이에 근거해 애널리스트들은 2020년을 전후해 다양한 자율운전차 기반 서비스 시장이 본격화 될 것으로 보고 있음

Ø 일본의 자동차 업체들도 2020년을 겨냥해 움직이기 시작했으며, 마침 이 시기에 열리는 도쿄 올림픽을 통해 일본 자동차의 자율운전차 기술을 세계에 어필하고, 새로운 거대시장을 선점하기 위한 경쟁에 적극 뛰어든다는 계획을 밝히고 있음

Ø 따라서 2020년 자율운전 상용화의 가능성은 점점 더 높아지고 있으며, 이는 우리나라도 단순히 기술적 가능성을 확인하기 위한 테스트에서 벗어나, 자율운전차 기반의 다양한 서비스 컨셉을 실증하기 위한 단계로 서둘러 진입할 필요가 있음을 시사함

Ø 현대자동차도 이번 평창올림픽에서 자체 자율운전차 ‘Nexo(넥소)’ 5대가 서울에서 평창까지 고속도로 구간 190km를 주행하는 데모를 선보인바 있으나, 우리나라는 현재 2020년에 레벨 3의 자율주행차 개발을 목표로 하고 있음

Ø 2020년경에 시작될 것으로 예상되는 글로벌 자율주행차 상용화 경쟁에 참여하기 위해서는 기술 목표를 상향할 필요가 있어 보이며, 최단 기간 내에 레벨 4, 5 수준으로 넘어가기 위해 자동차 기업과 ICT 기업 간 적극적 협업을 통한 기술 개발 노력이 가속화될 필요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1836호(2018. 3. 7. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

구글 자율운전차의 강력한 대항마로 부상한 GM의 &lsquo;크루즈 AV&rsquo;.pdf

[ 요 약 ]

[ 본 문 ]

ž 제네럴 모터스(GM)은 2018년 1월 미국 교통부(DOT)에 ‘운전대와 페달이 없는’ 자율운전 자동차의 도로 주행 허가 신청서를 제출하였음

Ø 신청서에 따르면 조작부가 없는 GM 차량의 자율운전 수준은 미국 자동차기술협회(SAE)가 정의한 6단계 중 5단계인 ‘레벨 4'에 해당하는 것으로 보이며, 제한된 조건에서 완전 자율운전의 실현을 테스트 하려는 것으로 보임

Ø GM이 내건 조건 중 하나는 주행 지역을 좁힌다는 것인데, 고정밀 지도 데이터가 구축되어 있고 실제 차량 테스트와 분석에 의한 시뮬레이션 주행 시험을 반복해 왔던 ‘이미 잘 알고 있는 지역’에서만 주행하겠다고 밝혔음

Ø GM은 2019년에 자율운전 차량의 양산을 시작한다는 계획인데, 양산 초기 판매 모델은 웨이모(Waymo)와 비슷한 형태, 즉 차량 공유나 카풀 등 배차 서비스 기업들의 업무 차량으로 공급될 예정임

ž GM은 크루즈 AV가 배차 서비스와 결합될 경우, 보다 많은 사람들이 자율운전 차량을 경험함으로써 이해도가 높아질 것으로 기대한다는 입장을 밝히고 있음

Ø 크루즈 AV가 배차 서비스에 이용될 경우 사용자는 스마트폰으로 무인 차량을 호출하게 되고, 승차지는 목적지는 제한된 범위 내에서 선택하는 형태가 될 것으로 보임

Ø 웨이모에 이어 GM도 배차 서비스를 우선 타게팅 하는 것은 미국에서 배차 서비스 이용자가 급격한 증가하고 있기 때문으로, 서비스 업체 입장에서는 크루즈 AV를 배차 서비스와 조합하며 운전자 확보 없이도 이용자를 쉽게 늘릴 수 있는 이점이 있음

Ø 또한 GM에 따르면 배차 서비스에 크루즈 AV를 공급할 경우 불특정 다수의 사람이 탑승할 기회를 갖게 되므로, 보다 많은 사람들이 자율운전 기술에 대해 직접 경험하고 안정성과 편의성을 판단할 수 있게 되는 마케팅 효과를 기대할 수 있음

ž 배차 서비스에 크루즈 AV를 우선 공급하는 것이 자동차를 최대한 팔아야 하는 GM에 손해가 될 수도 있으나, 신차 시장이 줄어드는 상황에 적극 대응하기 위한 것으로 보임

Ø 크루즈 AV은 부품 비용이 동급 엔진의 차량 모델에 비해 수천만 원은 높기 때문에 판매가가 높을 수밖에 없으며, 따라서 개인에 판매할 경우 살 수 있는 고객의 수는 제한됨

Ø 부품 가격이 높은 이유는 크루즈 AV에 탑재하는 주요 환경 인식 센서의 수 42개에 이르고 고성능 컴퓨터도 여러 대 탑재되기 때문

Ø 또한 운동제어부의 부품 모두 어느 한 계통이 고장 나도 정상적으로 주행할 수 있는 ‘기능안전(Fail Operational)’ 방식으로 되어 있어 부품 수가 크게 늘어나기 때문

Ø 게다가 크루즈 AV는 쉐보레(Chevrolet) 브랜드의 전기자동차 ‘볼트(Bolt)’를 기반으로 개발 중인데, 볼트는 소형차이지만 고가의 대용량 배터리를 탑재하고 있어 판매 가격이 유사 차종에 비해 약 3만 7천 달러 가량 높은 편임

Ø 크루즈 AV의 가격이 개인이 구매하기엔 부담스럽지만, 배차 서비스 업체라면 운전자 인건비가 들지 않고 가동 시간을 늘릴 수 있는 장점을 기대할 수 있어 추가 매입 가격이 얼마나 단기간에 회수될 지는 두고 봐야 하지만 수요는 있다는 평가

Ø GM 입장에서는 배차 서비스 업체에 차량을 판매하는 것이 개인들에게 판매하는 것에 비해 손해이지만, 당장은 개인 수요가 불투명해 배차 서비스 업계에 마진을 낮추더라도 대량으로 공급하는 전략을 택할 것이란 게 자동차 산업 애널리스트들의 전망임

Ø 한편 이윤이 낮아짐에도 GM이 배차 서비스용 무인 차량을 우선 개발하는 것은 배차 서비스로 인해 향후 미국의 신차 시장이 줄어들 것으로 전망되기 있기 때문이란 분석도 있음

Ø KPMG에 따르면 2030년 미국의 신차 판매 대수는 1,620만 대로 2016년에 비해 130만 대가 줄어들 것으로 예측했는데, 내역을 보면 배차 서비스 등과 결합된 무인 차량이 300만대 규모로 성장하는 반면 세단 등 개인 소유 차량은 약 420만 대로 크게 줄어든 전망

Ø 만약 예측대로 시작이 변해간다면 개인 대상 판매가 중심인 GM 등 자동차 업체에 타격이 클 것이며, 게다가 웨이모를 비롯한 IT 대기업들이 새롭게 성장하는 시장을 선점할 것이기 때문에, GM으로서는 무인 택시 개발이 공격인 동시에 방어 전략인 측면이 있음

ž 구글 등에 가려져 잘 알려지지 않았지만 GM의 자율운전차 연구개발의 역사는 오래 되었으며, 자동차 업계에서는 ‘자율운전 연구의 선구자’로 인정받고 있음

Ø 약 80년 전인 1939년 뉴욕 국제 박람회에서 GM은 ‘Futurama(퓨처라마)’라는 제목의 세밀한 디오라마 연출을 통해 고속도로를 자동으로 달리는 자동차의 미래 이미지를 선보인 바 있는데, 자율주행이 IT 기업에 의해 제시된 개념은 아님을 엿볼 수 있음

Ø 비교적 최근에도 자율운전 기술의 전환점에 GM이 밀접한 관련이 있는데, 치열한 기술 경쟁의 계기가 된 2007년 DARPA(방위고등연구계획국) 개최 자율운전차 경주 대회에서 우승 한 카네기 멜론 대학에 차량을 제공하고 개발을 도운 곳이 GM이었음

Ø 그러나 당시 카네기 멜론 팀의 개발 리더였던 크리스 우름슨은 대회 종료 후 구글에 들어가는데, GM도 초빙했다고 하나 구글에 납치되다시피 했다는 후문이며, 이런 배경을 놓고 보면 GM에게 구글은 악연의 적수라 할 수 있음

ž GM은 크루즈 AV의 개발에 있어 안전성과 신뢰성을 중시하고 있음을 강조하고 있는데, 자동차 양산 경험이 없는 웨이모와 차이를 가장 잘 보여줄 수 있는 지점으로 보기 때문

Ø GM은 크루즈 AV를 1983년 설립된 미시간주 오리온 공장에서 양산할 계획인데, 수십 년에 걸쳐 발전시켜 온 설비 및 공정을 통해 생산함으로써, 자체 자동차 공장이 없는 웨이모 등 ICT 기반 신흥 자동차 업체들과 차별성을 보여준다는 전략임

Ø 실제 안전성과 신뢰성은 자율운전 자동차의 판매에서 가장 중요한 요소가 될 가능성이 높은데, 가트너의 2017년 설문 조사에서 55%의 응답자가 기술적인 결함에 대한 불안을 이유로 자율운전 자동차를 타고 싶지 않다고 답했음

Ø 이는 자동차의 안전성이 곧 생명과 직결되기 때문으로, 향후 안전성과 신뢰성에 관해 소비자의 마음을 얻을 수 있는지 여부가 자율운전 차량의 매출을 크게 좌우할 것임을 시사

Ø GM은 개발 방식에 있어서도 웨이모에 비해 안전성과 신뢰성에서 우위에 있다고 어필하고 있는데, 하드웨어와 소프트웨어를 모두 자사에서 개발한다는 것을 근거로 들고 있음

Ø GM과 달리 현재 웨이모는 분업 체계를 선택하여, 웨이모가 소프트웨어를 담당하고 파트너인 미국 피아트·크라이슬러·오토모빌스(FCA)가 차량의 개발과 생산을 담당하고 있음

Ø 이에 대해 GM은 방대한 소프트웨어와 수만 개 부품의 하드웨어로 구성되는 자율운전 차량의 특성상, 분업은 신뢰성 높은 시스템의 개발과 평가를 원활하게 진행하기가 어려운 방식이라 주장하고 있음

Ø GM은 2016년에 자율운전 소프트웨어를 개발업체인 ‘크루즈 오토메이션(Cruise Automation)’을 약 10억 달러에 인수해 GM 내부로 포섭한 바 있음

Ø 이를 통해 하드웨어와 소프트웨어 팀 간의 긴밀한 협력을 통해 모든 시스템의 잠재적인 고장 패턴을 분석하여 안전하고 신뢰할 수 있는 무인 자동차를 생산할 수 있게 되었다는 것을 자신들의 장점으로 어필하고 있음

ž 주행 성능 면에서도 GM은 웨이모에 대해 우위라고 은근히 주장하는데, 2019년에 시작할 배차 서비스를 주행 환경이 복잡한 도심에서 시작할 것임을 내비치고 있기 때문

Ø 웨이모는 2018년부터 애리조나주 피닉스의 교외 지역에서 무인 차량을 이용한 배차 서비스를 정식 시작할 계획인데, 피닉스는 도심에 비해 교통량이 적고 도로 정비가 잘돼 있기 때문에 사고가 일어날 가능성은 상대적으로 낮은 지역이라 할 수 있음

Ø GM은 상용화 시점은 웨이모에 비해 늦었지만 교외에서 서비스를 하는 웨이모에 비해 주행 성능은 자신들이 뛰어나다는 것을 보여주려 하고 있음

Ø GM은 도로 주행 시험 허가 신청서와 함께 공개한 자료(☞클릭) 를 통해 도심인 캘리포니아주 샌프란시스코와 교외 지역인 피닉스 근교의 교통 환경이 어떻게 차이 나는지를 의도적으로 강조하였음

Ø 긴급 차량의 운행대수나 좌우 회전 교차로의 수가 샌프란시스코에 훨씬 많다는 것을 강조한 것인데, 주행 환경이 ‘쉬운’ 피닉스에서 서비스를 시작하는 웨이모를 강하게 의식한 것이 분명해 보임

Ø GM은 현재 샌프란시스코 이외에 미시간주 디트로이트에서 도로 주행 테스트를 하고 있는데, 향후 대도시 뉴욕에서도 테스트를 시작할 예정이며, 도심 중심의 주행 테스트에 주력함으로써 웨이모를 추격한다는 전략임

[표 1] GM과 웨이모의 자율주행 테스트 환경의 비교(자율주행 1천 마일 당 빈도)

<자료> General Motors

Ø 반면 GM은 자율주행 테스트 총 주행거리를 밝히고 있지는 않은데, 주행거리는 지금까지지 누적 400만 마일을 테스트한 웨이모가 자신들의 안전성과 신뢰성을 어필하는 요소로 강조하는 포인트이고, GM이 단기간에 따라잡기란 불가능하기 때문

ž GM의 기술에서 핵심 개념은 ‘중복 설계(Redundancy)’인데, 안전과 신뢰성을 위해 주요 기능의 구동이 실패한 경우에도 주행을 계속할 수 있는 구조를 갖추고 있음

Ø IT 시스템 구축에서 ‘중복 설계(리던던시)’는 비용을 높이더라도 무중단 가동 환경을 만드는 것인데, 트레이드-오프 관계에 있는 비용과 안전성의 두 요소를 놓고 GM은 자율운전차 판매에서 안전이 가장 중요하다고 생각해 비용을 높여 안전성을 선택한 것으로 보임

Ø GM에 따르면 크루즈 AV의 자율운전 시스템에는 ‘인식(Perception)-주행 계획(Planning)-차량 제어(Control)’의 세 가지 주요 기능이 있는데, 모두 중복 설계 되었다고 함

Ø 예를 들어 ‘인식’ 기능은 차량 주변 객체의 위치와 속도, 방향, 종류를 계산하는 것인데, 핵심은 차량 주위 360도를 인식하는 센서 군으로, 작동 원리가 다른 3 종류의 센서를 사용하는 것에 더해 동일한 장소를 복수의 센서로 감지하도록 ‘중복 설계’하였음

ž 크루즈 AV는 라이더(LIDAR, 적외선 레이저 센서) 5개, 카메라 16개, 밀리파 레이더 21개를 탑재했는데, 한 센서가 작동하지 않아도 다른 센서로 주위 360도 인식 기능을 유지함

Ø 3종류의 센서 중 핵심은 라이더로, 라이더 하나 만으로도 안전하게 주행할 수 있는 기본 기능을 구현할 수 있는데, GM은 2017년 10월 라이더를 개발하는 스타트업 ‘스트로브 (Strobe)’를 인수하고 기술 고도화에 투자하고 있음

Ø 밀리파 레이더는 주로 이동하는 물체의 감지를 담당하며 라이더를 지원하는데, 전파의 반사에 의해 차량과 이동하는 객체의 상대 속도를 측정하는 데 강점이 있음

Ø 라이더와 밀리파 레이더는 각각 레이저(빛)와 전파를 이용해 측정 원리가 다르기 때문에 레이저의 반사율이 낮은 경우 전파의 반사로 보충하는 보완 관계가 형성됨

Ø 카메라는 물체의 색상과 모양을 고화질로 감지 할 수 있어 거리와 속도를 감지하기 보다 주로 물체의 분류와 추적에 사용하지만, 여러 대의 카메라로 거리를 감지하는 기능을 갖출 수 있어 라이더가 구동하지 않을 경우 어느 정도 기능을 대체할 수 있음

Ø ‘인식’ 기능에는 센서 군에 의한 물체 감지 외에도 ‘자기 위치 추정(Localization)’ 기능이 포함되는데, 이는 자율운전의 근간으로 만일 실패하여 추정의 정확도가 크게 떨어지면 자율운전이 불가능하므로 GM은 여러 방법으로 추정이 가능하도록 중복 설계하고 있음

Ø 가령 내비게이션 기능에서는 일반적인 GNSS(위성위치확인시스템)와 자이로 센서를 결합하는 방법과 라이더 등으로 측정한 특징물과 고정밀 지도 데이터의 위치를 ​​대조하는 방법 등을 동시에 이용해 자기 위치를 추정하고 있음

ž ‘인식’ 결과를 바탕으로 ‘주행 계획’을 수립하게 되며, 여기에서 중요한 것은 행동예측과 보이지 않는 영역에 대한 고려인데, GM은 이 기능에 ‘딥러닝’을 적용하였음

Ø 주행 계획에는 내비게이션과 마찬가지로 목적지까지의 경로를 계산하는 매크로 주행 경로 결정과 사고 확률을 줄이기 위한 ‘마이크로’ 주행 경로 결정이 포함되는데, 최근 중요성이 강조되는 것은 마이크로 주행 경로 결정임

Ø 마이크로 주행 계획은 우선 센서에서 인식한 주변 객체의 3 차원 모델을 구축해 정밀 지도 데이터에 가상으로 배치한 다음 객체의 종류와 속도 등의 계산 결과를 바탕으로 지도 데이터에서 객체 모델의 움직임을 예측하는 것임

Ø 차량과 보행자, 트럭, 자전거 등의 종류에 따라 움직이는 방법이 매우 다양하기 때문에 이를 고려하여 행동 예측에 반영시키게 됨

Ø 그런 다음 인식 기능으로 계산한 주행 한계의 결과와 조합하여 차량이 달릴 범위를 결정하게 되는데, 주행 가능 범위 내에서 사고의 위험이 낮고 빠르게 달릴 수 있는 경로를 그리고 그 경로에 따라 차량이 움직이도록 함

Ø 주행 한계의 계산은 인공지능(AI)의 일종인 딥러닝(심층 학습)을 사용하는데, 주행 한계는 일반적으로 흰색 선이나 가드 레일, 차도와 인도의 턱 등을 통해 쉽게 찾을 수 있음

Ø 그러나 외곽 도로의 경우 흰색 선이 없어 주행 한계를 이해하기 어려운 곳이 자주 나타나기 때문에, 주행 한계를 결정할 때 ‘달릴 수 없는 영역’으로 분류된 곳의 수 많은 이미지를 이용해 훈련시킨 AI의 판단이 효과를 발휘할 수 있음

Ø 주행 경로의 결정에서 GM은 특히 ‘센서에 보이지 않는 영역’의 처리를 위한 연구를 중요시하고 있는데, 비나 안개, 다른 객체에 가려 보이지 않는 영역을 파악하고 안전한 경로를 결정하는 데 연구 결과를 적용하고 있음

Ø 가령 지도 데이터의 보이지 않는 영역에 가상의 깃발(플래그)을 세우고, 그 깃발 지점에서 물체가 갑자기 튀어 나오는 위험을 계산한 후, 그 결과값을 가미하여 주행 경로를 신중하게 결정함으로써 운행의 안전도를 높이고 있음

ž 주행 계획의 계산에도 중복 설계를 하고 있는데, 경로 결정 대로 주행이 제대로 실행되지 않을 경우에 대비해 항상 여러 백업 경로를 준비해 두도록 하고 있음

Ø 크루즈 AV는 초당 10회 정도의 경로를 계산하여 이 중 가장 안전하고 빠르게 달릴 수 있는 경로 선택을 기본 원칙으로 하고 있음

Ø 그러나 예상대로 주행이 이루어지지 않을 때를 대비해, 가령 차선을 변경하는 경로를 선택했을 때 갑자기 다른 차가 변경하려는 주행 경로를 차단했을 때는 원래 차선으로 달리는 등 백업으로 준비하고 있던 경로로 즉각 전환하도록 하고 있음

Ø 주행 계획의 연산에는 ‘통신(Networking)’ 기능도 활용되는데, 다른 크루즈 AV 차량이 인식한 정보를 경로 계획에 반영하는 것으로, 다른 차량이 인식한 정보를 클라우드로 통합한 후 네트워크를 통해 모든 크루즈 AV 차량이 공유하도록 하고 개발하고 있음

Ø GM은 이를 두고 ‘한 대가 학습한 것을 모든 차량이 학습한다’고 표현하는데, 일반 자동차에 없는 장점으로 크루즈 AV의 안전 운전에 크게 기여할 것으로 기대하고 있음

ž ‘차량 제어’ 기능은 주행 계획에 따라 가속과 감속, 조향을 제어하는 것인데, 차량 제어에 관련된 전기 계열 하드웨어 부품을 모두 이중화하였음

Ø 예를 들어 자율운전 기능의 주요 ECU(전자제어장치)를 두 개 탑재하는 것인데, 한 컴퓨터가 구동에 실패할 경우 동시에 계산하고 있던 다른 한쪽이 연산을 이어받게 됨

Ø 이 때 2개의 ECU가 상호 감시하는 구조에서는 어느 쪽이 실패했는지 결정할 수 없기 때문에 GM은 ECU를 전체 시스템의 고장 유무를 항상 감시하는 자자가 진단 ECU를 또 하나 탑재하였음

Ø 이 진단 ECU가 있으면 다수결로 어떤 ECU가 실패했는지 결정할 수 있기 때문에, 실패한 ECU의 신호를 사용하지 않고 남아 있는 정상적인 ECU의 신호로 차량을 제어하게 됨

Ø 주요 기능의 전원 공급 장치 역시 2개의 계통을 준비하는데, 주 전원이 실패하면 백업 전원에서 주요 ECU와 인식 센서, 스티어링, 브레이크 등에 전력을 공급함

Ø 특히 브레이크에 대해서는 전용 카메라를 별도로 설치하여 일반적인 자율운전 기능 용도 이외에 자동 브레이크 기능을 추가로 탑재하고 있음

Ø 주요 ECU를 연결하는 신호선도 이중으로 하여 한쪽 통신이 끊어진 경우 다른 쪽으로 신호를 교환하도록 하고 있음

Ø 또한 확률은 낮지만 주요 부품과 백업 부품이 고장 나는 경우에 대비한 방안도 강구하고 있는데, 이 경우 ‘페일 세이프(fail safe)’ 기능을 통해 안전하게 정지한다고 함

ž 크루즈 AV는 주행 계획 등에 ‘통신’ 기능을 이용하고 있기 때문에, 무선 통신을 통해 해킹이 발생할 경우 중대 사고로 이어지게 되므로 GM은 보안 대책에도 주력하고 있음

Ø GM이 인수한 크루즈 오토메이션에는 자동차 업계의 화이트 해커로 가장 유명한 두 사람이 있는데, 찰리 밀러 (Chary Miller)와 크리스 발라섹(Chris Valasek)임

Ø 이 둘은 2013년 도요타 프리우스를 해킹하여 주목을 받았으며, 이후 우버 등을 거쳐 크루즈 오토메이션에 일하던 중 GM의 인수로 현재는 크루즈 AV 보안 개발에 참여하고 있음

Ø 보안을 위해 GM은 소프트웨어의 취약점을 포괄적으로 분석하는 도구 및 잠재적인 위협을 업스트림(상위 공정)에서 발견하여 제거하는 위협 모델링 등을 활용 중이라고 하며, 통신에 메시지 인증 기능과 함께 침입 탐지 기능을 도입했다고 함

ž 웨이모가 크게 앞서는 듯 보이던 자율운전차 시장에 전통의 자동차 업체 GM이 강력한 대항마로 나섬에 따라 2018년 자율운전차 시장의 상용화 모멘텀은 더욱 커질 전망

Ø 웨이모는 주행거리를, GM은 주행환경의 난이도를 강조하는 것으로 나타나고 있으며, 서비스 업체와 소비자의 마음을 얻기 위한 양사의 경쟁 과정에서 기술의 발전과 소비자 인식 전환, 상용 서비스 완성도 제고가 극적으로 전개될 것으로 기대되고 있음

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1835호(2018. 2. 28. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

2017년 자율운전 도로 주행 테스트 결과, 기술력 1위는 웨이모.pdf

ž 캘리포니아 교통당국의 발표 결과, 자율운전 자동차의 기술력은 구글의 자회사 ‘웨이모(Waymo)’가 글로벌 자동차 대기업과 스타트업을 ​​아직 크게 앞서고 있는 것으로 나타남

Ø 캘리포니아 주는 자율운전 도로주행 테스트를 허용하고 있는 몇 안 되는 곳으로 교통당국은 주 내 도로에서 자율운전 차량을 테스트하는 기업에 대해 그 해의 시험 결과를 보고하도록 의무화하고 있음

Ø 각 사가 보고한 테스트 결과를 취합해 캘리포니아주 교통당국이 공개한 보고서(Autonomous Vehicle Disengagement Reports 2017)에 따르면, 자율운전 도로주행 거리와 AI의 운전 제어 중지 빈도 측면에서 웨이모가 모두 타사에 비해 크게 앞선 것으로 나타남

☞ Autonomous Vehicle Disengagement Reports 2017 (20개사의 보고서를 볼 수 있는 사이트)

Ø 우선 도로주행 테스트 거리를 보면, 웨이모는 2017년에 총 75대의 자율운전 차량을 테스트했으며, 주행거리는 총 35만 2,545 마일(약 56만 킬로미터)이었음

Ø 웨이모의 테스트 주행거리는 2016년 63만 5,868 마일에 비해 절반 가량 줄어든 수치임에도 불구하고, 2017년 시험 주행거리 2위를 차지한 GM에 비해 2.7배 가량 높은 것임

Ø 자율운전 기술력과 관련해 주행거리 보다 주목해야 할 것은 AI(인공지능)이 제어 능력을 잃어 사람에게 운전 권한을 넘기는 ‘분리(Disengagement)’의 발생 횟수인데, 웨이모 자율운전 차량은 2017년에 35만 2,545 마일을 달리는 사이에 63회의 ‘분리’가 발생하였음

Ø 즉 웨이모의 자율운전 AI는 현재 5,596 마일(약 9,000 킬로미터) 주행 당 한 번 꼴로 판단 불능 상태에 봉착하고 있는 셈

Ø 웨이모의 과거 분리 횟수 당 주행거리를 보면, 2015년에 1,200 마일(약 2,000 킬로미터) 당 1회, 2016년에는 5,000 마일(약 8,000 킬로미터) 당 1회였으므로, 웨이모의 자율운전 AI 성능은 꾸준히 향상되고 있음을 알 수 있음

[표 1] 2016.12~2017.11 캘리포니아 주 내 자율운전 테스트 기업의 AI 분리 횟수 당 주행거리

<자료> Department of Motor Vehicles, State of California

ž 웨이모를 뒤쫓고 있는 곳은 제너럴 모터스(GM)의 자회사인 ‘GM 크루즈(GM Cruise)’로 2017년에 도로 주행 테스트 거리를 전년도에 비해 10배 이상 늘렸음

Ø GM 크루즈의 AI가 사람에게 권한을 넘기는 빈도는 1,254 마일 당 1회였는데, 이는 웨이모의 2015년 수준인 1,200 마일 당 1회를 따라잡은 것임

Ø 또한 GM 크루즈의 2016년 분리 1회 당 주행거리가 54 마일이었음을 감안하면, GM이 1년 사이에 자율운전 AI의 성능을 비약적으로 높였음을 유추할 수 있음

Ø GM 크루즈의 테스트에서 흥미로운 점은 자율운전 차량의 도로 주행을 샌프란시스코에서만 실시하고 있다는 것인데, 이는 웨이모가 샌프란시스코의 교외 지역인 마운틴 뷰에서 도로 테스트를 실시하고 있는 것과 대비되는 부분

Ø 샌프란시스코는 교통량이 많고 도로가 복잡하기 때문에 사람도 운전하기가 쉽지 않은 지역인데, GM 크루즈는 운행 조건이 더 나쁜 환경에서 테스트를 함으로써 웨이모의 기술력을 단기간에 따라 잡으려 하는 것으로 보임

Ø 이와 유사한 전략을 펴고 있는 곳이 샌프란시스코에 본사를 둔 스타트업 즈욱스(Zoox)인데, GM 크루즈와 마찬가지로 샌프란시스코에서만 주행 테스트를 실시하고 있다고 함

ž 캘리포니아 교통당국의 보고서를 보면 자율운전 차량들 사이에 성능의 차이가 크다는 사실을 알 수 있는데, 가장 차이가 두드러지는 것이 사람에게 권한을 넘기는 횟수임

Ø 웨이모의 자율운전 자동차가 5,596 마일 당 1회만 AI가 사람에게 권한을 인계하는 반면 메르세데스 벤츠와 BMW의 자율운전 자동차는 1~3 마일 당 1회 꼴로 AI로부터 사람으로 인계가 발생하고 있음

Ø AI용 반도체와 자율운전 소프트웨어를 조합한 ‘자율운전 플랫폼’ 제공을 목표로 하고 있는 엔비디아의 시험 성적도 아직은 불안한 수준인데, 505 마일을 주행하는 동안 109회 분리가 발생하여 5 마일 당 1회 꼴로 분리가 발생하고 있음

Ø 엔비디아는 자율운전 플랫폼을 사용해 누구나 자율운전 자동차를 구현할 수 있게 함으로써 ‘자율운전 기술의 일상용품화(Commodity)’를 실현하겠다는 포부를 밝히고 있으나, 이 목표가 실현되기까지는 아직 시간이 더 필요할 것으로 보임

ž 캘리포니아 교통당국의 보고서는 자율운전 자동차의 기술 수준을 가늠하는데 매우 유용한 자료이지만, 이런 정보를 취합할 수 있는 것은 2017년이 마지막이 될 것으로 보임

Ø 가장 중요한 기술 개발 업체인 웨이모는 무인택시 시범 서비스의 허가 문제로 캘리포니아 당국과 합의에 이르지 못해 작년 말부터 애리조나로 완전 무인 자율운전 자동차의 도로 주행 테스트를 실시하고 있으며, 올해 캘리포니아에서 도로 주행 여부는 불투명함

Ø 웨이모의 캘리포니아 내 도로 주행 거리가 2016년에 비해 절반 가량으로 줄어든 데에는 이런 배경이 작용한 것인데, 웨이모는 2017년부터 애리조나 외에 워싱턴과 텍사스 주에서도 자율운전 도로 주행 테스트를 실시하고 있음

Ø 웨이모는 2017년 12월 현재 자율운전 도로 주행 테스트가 총400만 마일(약 645만 킬로미터)이 넘었다고 발표한 바 있는데, 이는 캘리포니아 지역 이외의 도로 테스트도 상당한 거리에 달했음을 시사하는 것임

Ø 포드 자동차 역시 2017년에 자율운전 차량 테스트 지역을 캘리포니아에서 미시간 주로 옮겼는데, 2016년에 캘리포니아에서 590 마일의 도로 테스트를 실시했던 포드였지만 2017년에는 전혀 실시하지 않았음

Ø 따라서 각 사의 자율운전 기술의 성능 차이가 어느 정도인지를 간접적으로나마 비교하려면 2018년에는 기존과 다른 데이터를 사용할 필요가 있을 것임

ž 한편 시장조사기관 내비건트 리서치(Navigant Research)는 자체 분석 툴을 이용해 평가한 결과 GM을 자율주행 종합 기술력 1위, 웨이모를 2위로 발표하였음

Ø 내비건트 리서치는 자율운전 시스템을 개발하고 있는 19개 기업을 ‘비전, 시장출시 전략, 파트너, 생산 전략, 기술, 판매 및 유통, 제품 성능, 제품 품질과 신뢰성, 제품 포트폴리오, 유지력’ 등 10개 기준으로 평가하였음

Ø 그 다음 자체 순위표(leaderboard) 방법론을 이용하여 19개 기업을 ‘선도자(leader)-경쟁자(contender)-도전자(challenger)-추종자(follower)’의 4개 그룹으로 분류하였음

Ø 선도자 그룹에는 GM, 웨이모, 다임러-보쉬, 포드, 폴크스바겐, BMW-인텔-FCA(피아트 크라이슬러 연합), 앱티브(Aptive, 델파이의 자회사) 등 7개 기업 및 연합이 포함되었음

Ø 내비건트 리서치 보고서에서 웨이모가 2위로 평가된 것은 자동차 기업이 아니기 때문에 생산 능력에서 GM에 밀렸기 때문이며, 자율주행 기술력 부문만 본다면 캘리포니아 교통당국의 보고서와 마찬가지로 단연 최고 수준으로 평가 받았음

Ø 내비건트 리서치는 2020년경에 제한적 범위지만 주행과 가속 및 제동에는 사람이 신경 쓸 필요가 없을 정도의 자율주행차가 등장할 것으로 전망하는데, 글로벌 완성차 제조업체들이 대부분 이때를 기점으로 자율주행차 양산을 목표로 하고 있기 때문임

ž GM은 자율주행 개발 경쟁에 비교적 뒤늦게 뛰어들었지만 과감한 투자와 빠른 양산화 전략을 추진하면서 작년 평가에서 4위를 기록했으나 이번에 1위로 평가되었음

Ø GM은 2016년 차량 공유 서비스 업체 ‘리프트(Lyft)’에 5억 달러를 투자한 바 있고, 자율주행 솔루션 개발 스타트업인 ‘크루즈 오토메이션(Cruise Automation)’을 10억 달러에 인수하는 등 과감한 투자 행보를 보인 바 있음

Ø 2017년에도 레이저 레이더(LiDAR) 기술을 보유한 스타트업 ‘스트로브(Strobe)’를 인수했으며, 2018년 들어서자마자 크루즈 오토메이션과 함께 4세대 자율주행차 ‘크루즈 AV(Autonomous Vehicle)’를 공개하였음

Ø 크루즈 AV는 운전대가 없기 때문에 운전석과 조수석의 구분이 없고 브레이크나 액셀러레이터 페달이 아예 없는데, 댄 암만 GM 사장은 2019년에 크루즈 AV가 도로 주행을 할 수 있도록 미 교통 당국에 허가를 신청한 상태라고 밝혔음

ž 테슬라는 몇 년 전까지만 해도 내비건트 리서치의 평가에서 상위권에 올랐지만, 이후 가시적인 기술 발전 전략을 보여주지 못해 이번 조사에서는 최하위로 평가되었음

Ø 내비건트 리서치는 테슬라가 궂은 날씨나 대기가 흐린 환경에서도 카메라와 센서가 이상 없이 작동할 수 있게 해주는 기술이 없기 때문에 사람이 개입하지 않는 완전한 자율주행차를 만들기는 당분간 어렵다고 평가하고 있음

Ø 2016년 테슬라는 자율주행 소프트웨어인 오토파일럿(Auto Pilot) 탑재 차량의 운전자가 사고로 사망하자 자율주행 핵심 기술 제공업체인 모빌아이(Mobileye)와 결별했는데, 이후 기술 개발이 정체되고 있다는 평가가 나오고 있음

Ø 내비건트 리서치는 테슬라가 자율주행차 분야에 높은 비전을 가지고 있지만 그 비전을 지속적으로 실행할 수 있는 능력을 지속적으로 입증하지 못하고 있다며 새로운 전기가 필요할 것으로 분석하고 있음

Ø 한편, 테슬라와 결별한 모빌아이는 2017년 3월 인텔이 153억 달러에 인수한 바 있으며, 인텔은 모빌아이 인수를 통해 자율주행 기술 분야에서 새로운 다크호스로 급부상하였음

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1834호(2018. 2. 21. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

제2의 안드로이드를 꿈꾸는 바이두의 자율주행 플랫폼 &lsquo;아폴로&rsquo;.pdf

[ 요 약 ]

[ 본 문 ]

ž 바이두(Baidu)는 올해 CES에서 오픈소스 자율운전 플랫폼 ‘아폴로(Apollo)’의 2.0 버전을 공개하고, 아폴로를 탑재한 자율운전차의 시험 주행 모습을 선보였음

Ø 2017년 7월 바이두는 아폴로 플랫폼 버전 1.0의 소프트웨어와 데이터를 공개하며 자율운전 기술 개발업체 및 차량 제조업체 누구나 다운로드 받아 활용할 수 있는 오픈소스 플랫폼으로 운영하겠다는 계획을 발표한 바 있음

Ø 자율운전차 개발자들에게 바이두가 아폴로 플랫폼 관련 데이터, API, 오픈소스 코드 등을 제공하고, 하드웨어를 직접 개발해 출시할 수 있도록 레퍼런스 하드웨어도 제공하겠다는 포부를 밝힌 것

Ø 발표 당시 아폴로 자율주행차 프로그램에 참여하는 파트너 기업이 이미 50개에 달했는데, 이후 짧은 시간 안에 아폴로는 ‘자율운전차의 안드로이드’로 자리매김하는 데 성공하였음

Ø 바이두는 올해 CES에서 라스베이거스와 베이징을 연결해 아폴로를 탑재한 자율운전 자동차들의 시범 주행 모습을 중계하였는데, 주행 장소는 베이징의 바이두 본사였고 새벽 어둠 속에서 자율운전차들이 대열을 이루어 주행하였음

Ø 아폴로 2.0은 도로 정비가 잘 되어 있는 도시 환경에서의 자율운전을 목표로 하고 있으며, 바이두의 로드맵에 따르면 고속도로와 복잡한 도로 환경에서 주행이 가능한 3.0 버전은 2020년 말까지 개발 완료될 예정

ž 바이두는 사내 시범 주행 모습 외에도, 현재 자신들이 개발하고 있는 ‘인공지능 도시(AI City)’에서 아폴로를 탑재한 자율주행차가 주행하는 데모 영상도 공개하였음

Ø 바이두는 현재 허베이(河北)성의 시옹안(雄安)에서 지방정부와 공동으로 ‘AI 시티’를 개발하고 있는데, 도시 일부를 특별 신구(New Area)로 지정해 차세대 스마트 시티의 프로토타입을 구축하고 있음

Ø 구체적으로 살펴 보면 이 신구를 AI를 활용한 상업 지역으로 만든다는 목표 아래, 지능형 운송(Intelligent Transportation), 대화형 인공지능(Conversational AI), 클라우드 컴퓨팅을 도입하여 지능형 미래 도시를 건설하고 있음

Ø 바이두가 공개한, AI 시티 내에서 아폴로 탑재 자율운전차의 시범 주행 영상을 보면 다양한 모델의 차종들이 시내 도로를 주행하고 있으며, 특히 중앙 분리대가 없는 왕복 차선의 도로 등에서도 문제없이 다닐 수 있음을 확인해 주고 있음

Ø 또한 복잡한 교차로에서 신호와 보행자를 인식하여 안전한 주행 경로를 결정하고, 교차로에서 U턴을 할 수도 있으며, 마주 오던 차량이 중앙선을 넘어 차선에 들어올 경우에도 안전하게 정지하는 등의 모습이 담겨 있음

ž 아폴로 플랫폼은 소프트웨어와 하드웨어로 구성되며, 일반 차량도 이 플랫폼을 탑재하면 자율운전 차량으로 변신이 가능함

Ø 아폴로 플랫폼의 센서로는 라이더(Lidar, 레이저 센서), 카메라, 레이더가 사용되며, 이 세 종류의 센서를 표준 장비로 일반 차량에 탑재하면 취합된 정보를 AI가 ‘센서 융합(Sensor Fusion)’ 기술로 분석하여 자율운전을 실현함

Ø 실제 미국의 자율시스템 개발 스타트업인 ‘오토노머스터프(AutonomouStuff)’는 아폴로 1.0을 탑재한 자동차를 사흘 만에 제작해 선보여 화제가 된 바 있음

Ø 아폴로 탑재 자율운전차는 테슬라 전기차처럼 태블릿 형태의 디스플레이를 대쉬보드로 사용하는데, 자율운전 기능을 시각화하여 운행 상태를 디스플레이에 표시해주기 때문에, AI 알고리즘이 무엇을 보고 어떻게 판단했는지 알 수 있음

Ø 예를 들어 아폴로 API(자율운전 라이브러리)의 ‘인지(Perception)’ 기능은 차량 주변의 개체를 파악하고 그 유형을 식별하며, ‘설계(Planning)’ 기능은 파악된 개체를 고려하여 안전한 주행 경로를 산정하는 역할을 맡고 있음

Ø 알고리즘의 연산 결과를 디스플레이에 표시해 주기 때문에 자동차의 움직임을 이해할 수 있으며, 자동차의 주행 데이터가 기록되는 기능도 있어 알고리즘 디버깅에 도움을 줌

ž 바이두는 아폴로 플랫폼을 독자 개발하지 않고 오픈소스 방식으로 기술을 공개한 후 파트너들이 제품을 개발하도록 하고 있는데, 현재 90개 기업이 여기에 참여하고 있음

Ø 중국의 자동차 업체인 FAW그룹, 체리자동차, 장성자동차 등 65개의 중국 기업들이 생태계의 중심을 이루고 있기는 하지만, 포드, 다임러, 현대자동차 등 외국 완성차 업체들도 아폴로 플랫폼에 높은 관심을 갖고 참여하고 있음

Ø 해외 공급업체는 하드웨어 부문에서 보쉬, 컨티넨탈, 델파이, 벨로다인 등이, 소프트웨어 부문에서는 마이크로소프트 클라우드, 톰톰 등이, 서비스 부문에서는 그랩 택시, 유카 등이, 반도체 부문에서는 엔비디아, 인텔, NXP, 르네사스 등이 참여하고 있음

Ø 이 중 마이크로소프트의 참여가 눈에 띄는데, MS는 아폴로 플랫폼에 클라우드 서비스인 ‘애저(Azure)’를 제공하고 자율운전 차량 시뮬레이터 ‘드림뷰(Dreamview)’의 운용을 지원함

Ø 또한 아폴로 기반 자율운전차의 상용 판매가 시작되고 시가지에서 운행을 시작하게 되면 MS는 자동차와 클라우드를 연결하는 커넥티드 카 기능을 제공할 계획이며, 현재 중국에서 전개 중인 아폴로 프로젝트가 미국과 유럽으로 확장되도록 지원할 계획임

ž 아폴로 플랫폼은 오픈소스 방식으로 개발되고 있으며, 개발된 소프트웨어는 깃허브(GitHub)에 공개되는데, 자율운전차 기술에 새로 나서는 후발주자들에게 유용할 전망

Ø 아폴로는 누구나 이용할 수 있으며 공개 소프트웨어 이용에 참여한 기업들은 가신들이 개발한 소프트웨어를 아폴로에 피드백 할 수 있으며, 바이두는 이런 과정을 반복함으로써 아폴로의 완성도가 향상되는 시나리오를 그리고 있음

Ø 바이두가 아폴로의 시운전 영상도 공개했지만, 전문가들은 아폴로의 기능이 아직은 제한적이어서 복잡한 시가지 주행이 가능한 것은 아니라고 보는데, 현재 아폴로가 제공하는 기능은 간선 도로에서 직진, 좌회전, 우회전, U턴 등 기본 조작 중심임

Ø 즉, 아폴로의 기능은 아직 미완성으로 지금 당장 웨이모(Waymo)처럼 무인 택시로 사용할 수 있을 정도는 아니기 때문에, 이미 어느 정도 자율운전차 기술 개발을 이룬 선도기업들이라면 굳이 아폴로 프로젝트에 참여할 인센티브는 없다고 할 수 있음

Ø 그러나 새롭게 뛰어드는 기업 입장에서 보면 아폴로 프로젝트에 참여함으로써 단기간에 자율운전차를 상용화할 수 있어 새로운 사업기회를 발견할 수 있음

Ø 포드 등 자체 기술 개발을 하고 있는 대형 업체도 아폴로에 참여하고 있는데, 이들은 자체 개발과 함께 거대 중국 시장을 배경으로 하는 아폴로 프로젝트 병행을 통해 구글이나 테슬라 등이 선도하는 시장 상황을 일거에 역전시킨다는 계획을 갖고 있을 지 모름

Ø 한편 바이두는 아폴로의 오픈소스 정책의 최대 장벽으로 각 국가들이 ‘보안’을 이유로 자율주행차 관련 법규를 자국 기업에 유리하게 통제할 가능성을 꼽고 있는데, 국가기관의 입장에서 보면 자율주행차는 그 자체로 ‘무기’가 될 수 있기 때문

ž 현재 아폴로 플랫폼의 상태는 구글이 스마트폰 운영체제 안드로이드를 인수했던 2005년경과 비슷하다는 평을 받고 있는데, 아폴로가 제2의 안드로이드가 될 지 귀추가 주목됨

Ø 아폴로 프로젝트의 참여 기업 대부분은 중국 자동차 메이커이긴 하지만 현재 아폴로를 탑재한 자율운전 자동차들이 속속 선보이고 있으며, 승용차뿐만 아니라 아폴로 탑재 버스, 도로청소용 차량, 운송 로봇 등도 등장하고 있음

Ø 현 상태는 구글이 안드로이드를 천만 달러에 인수한 2005년 경의 모습과 흡사한데, 당시만해도 애플 iOS에 비해 미성숙한 운영체제였지만 구글이 오픈소스 방식으로 개발하면서 안드로이드는 빠르게 완성도를 높여가기 시작했음

Ø 안드로이드가 볼륨 면에서 iOS를 제치고 스마트폰 운영체제를 석권한 것처럼, 아폴로로 비슷한 궤적을 그릴 수 있을지 관심이 모이는데, 중국이라는 또 하나의 세계 시장을 배후로 하고 있다는 점 하나 만으로도 가능성은 이미 충분함

Ø 한편, 아폴로 플랫폼의 성장 가능성은 향후 자율운전의 기초 기술은 스마트폰 운영체제처럼 공통적으로 사용할 수 있는 방향으로 진행한다는 것을 시사함

Ø 이는 누구나 손쉽게 자율운전차를 개발할 수 있는 시대가 된다는 것으로, 자동차 제조업체들은 차별화 요인을 어디에 두어야 할 지를 최우선 과제로 고민하게 될 것으로 보임

Ø 스마트폰을 외면했던 노키아가 삼성전자에 자리를 내준 것처럼, 자체 자율운전 기술이 없는 새로운 신생기업도 완성차 업체를 위협할 가능성이 열린 것이기 때문에, 기존 대기업들로서는 어떻게 ‘자율운전 시장의 애플’로 자리매김할 것인지가 핵심 목표가 될 것임

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1830호(2018. 1. 24. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.