※ 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.

무인 자율운전 차량의 핵심 쟁점 트롤리 문제, 동서양의 답은 다르다.pdf



[ 요 약 ]


자율주행 자동차의 안전성 우려 해소를 위해 현재는 돌발 상황 시 사람이 운전대를 넘겨받는 구조로 개발되고 있지만 이런 방식이 오히려 사고의 원인이 되는 경우가 발생하며 애초 아이디어대로 무인 자율운전차로 선회하려는 움직임이 가속화되고 있음. 무인 자동차 실용화를 위해서는 사고 위험 상황에서 알고리즘이 어떤 선택을 할 것인가 하는 소위 트롤리 문제가 중요한 이슈가 되는데, MIT 미디어 랩은 전세계 100만 명의 사람을 대상으로 이에 대한 조사연구를 실행하였음



[ 본 문 ]


자율운전 차량의 테스트 주행이 활발한 캘리포니아주의 차량등록국(DMV)이 공개하는 데이터에 따르면 2018년의 자율운전 자동차 사고 건수는 작년의 두 배 가량임


캘리포니아는 미국에서 자율운전 자동차의 도로 테스트가 가장 많이 실시되는 지역으로 구글 산하 웨이모(Waymo), 애플, 엔비디아(NVIDIA) 등 실리콘밸리 기업들은 물론, GM 크루즈 (GM Cruise) 등 메이저 자동차 업체와 미국 및 중국의 스타트업 등 총 60개사가 주 교통 당국으로부터 도로 테스트 허가를 받았음


주 당국은 도로 테스트를 허가하는 대신 사업자들에게 자율운전 차량이 일으킨 모든 사고를 보고하도록 의무화하고 있는데, 그 보고 건수가 201615, 201729건이던 것이 2018년에는 10월 말까지 59건을 기록하고 있음


이미 연간 기준으로 지난 해 사고 건수의 두 배를 넘어선 것인데, 물론 테스트가 확대될수록 사고가 빈번해지므로 사고 건수보다는 발생 비율을 따져보는 것이 합당하나, 안전성 이슈에 민감한 자율운전차이다 보니 사고 건수 증가 사실 자체에 주목하는 시선도 많음


실제로 사고 건수 증가는 기업들이 테스트 주행거리를 급속히 늘리고 있기 때문으로 보이는데, 가령 웨이모는 지난 1010일에 자율운전 자동차 도로 시험 주행 거리가 누적 1,000만 마일(162천 킬로미터)을 돌파했다고 발표한 바 있음


구글은 2009년부터 자율주행 자동차의 도로 주행 테스트를 시작했는데, 20182월까지 누적 거리가 500만 마일에 도달했다고 발표했으니, 올해 3월부터 불과 8개월 만에 지난 약 10년 동안의 주행 테스트 거리만큼을 새로 달린 셈


[1] 2014~2018 캘리포니아주에서 발생한 자율운전 자동차 연루 사고 건수의 추이

2014

2015

2016

2017

2018(~10)

1

9

15

29

59

<자료> Department of Motor Vehicles, CA., IITP 정리

 


사업자별 사고 발생 건수를 보면 GM 크루즈와 웨이모, 두 기업의 비중이 압도적이며 특히 GM은 전체 사고 건수의 절반이 넘는 30건의 사고를 보고


웨이모는 12건을 보고했으며, 지금까지 총 79천만 달러 투자를 유치한 미국의 스타트업 죽스(Zoox)’5건을 보고했고, 20176월 자율운전 기술 개발을 공식 발표한 애플도 2건의 사고를 보고하였음


그 밖에 위라이드(WeRide.ai), 오로라 이노베이션(Aurora Innovation), 드라이브(Drive.ai), 도요타 연구소 등이 1건씩의 사고를 보고하여, 보고 기업은 총 8개임


[2] 201810월말 현재 캘리포니아주 발생한 자율운전 자동차 연루 사고의 기업별 보고 건수

GM Cruise

Waymo

Zoox

Apple

32

16

5

2

WeRide.ai

Aurora Innovation

Drive.ai

Toyota Research Institute

1

1

1

1

<자료> Department of Motor Vehicles, CA., IITP 정리

 


사고 건수가 증가하는 것은 우려할 만한 일이지만, 실제 사고 내용을 살펴보면 자율주행 자동차는 모든 사고 상황에서 피해 차량의 입장에 있다는 것이 다소 위안거리


우선 보고된 사고에는 자율운전 모드(Autonomous Mode)’에서 일어난 것과 수동운전 모드(Conventional Mode)’에서 일어난 것이 모두 포함되는데, 자율운전모드에서 일어난 사고는 36(전체의 61%)이었으며 수동운전 모드의 사고는 23(39%)이었음


AI(인공지능)의 운전 실력을 가늠하기 위해서는 사고 보고서의 세부 사항을 살펴볼 필요가 있는데, 자율운전 모드에서 일어난 사고는 모두 받힌것이며 자율운전 차량에 오류가 있어 사고가 발생한 건수는 보고되지 않았음


그러나 이를 두고 자율운전을 맡은 AI에 책임이 없다고도 말하기 어려운데, 현재 자율운전 AI는 안전을 최우선으로 세팅된 경향이 있어 뒤따라오는 차량이 미처 생각지 못한 타이밍에 자율운전 차량이 급정지를 하는 경우가 있을 수 있기 때문


실제 보고서 내용을 토대로 자율운전 모드에서 일어나 사고의 내용을 분류해 보면 추돌20(56%)으로 가장 많았고, 그 다음 추월 접촉7(19%)이었는데, 이는 자율운전 AI가 인간 드라이버와 다른 행동을 했기 때문에 사고를 유발되었을 가능성을 시사함


[3] 자율운전 모드에서 발생한 사고의 충돌 유형

충돌(Collision) 유형

사고 건수

비율

추돌

20

55.6%

추월 접촉

7

19.4%

접촉

6

16.7%

특수 케이스

3

8.3%

<자료> Department of Motor Vehicles, CA., IITP 정리

 


자율운전 모드에서 난 사고만 놓고 보아도 GM의 보고 건수가 웨이모보다 많은데, 이는 GM이 주로 도심에서 테스트를 하는 점과 아직은 기술이 웨이모에 뒤져 있는 점이 작용한 것으로 보임


자율운전 모드에서 일어난 사고를 기업별로 보면 GM 크루즈가 21건으로 가장 많았고, 웨이모가 12, 죽스 1, 애플 1, 중국의 스타트업 위라이드가 1건이었음


GM 크루즈의 사고 빈도가 가장 많은 것은 교통량이 많은 샌프란시스코에서 주행 테스트를 하고 있기 때문으로 보이는데, GM 크루즈보다 먼저 자율운전 도로 주행 테스트를 대규모로 시작한 웨이모는 주로 교외에서 실행하고 있음


또한 2017년 시점에서는 GM 크루즈의 기술 수준이 웨이모보다 열등했는데, 보고서에 따르면 자율운전 AI가 판단을 잃어 인간 드라이버가 운전대를 넘겨받은 횟수가 웨이모는 5,596 마일당 1회였던 것에 비해 GM 크루즈는 1,254 마일당 1회였음


 올해 1년 동안 기술에 진보가 있었는지는 내년 초에 보고서가 나와 봐야 알겠지만, 작년 기준으로는 GM 크루즈의 AI가 웨이모에 비해 5배의 빈도로 판단을 잃는 경우가 발생하고 이러한 기술 수준이 사고 건수에도 영향을 미쳤을 가능성이 있음


그러나 현재로서는 자율주행 자동차가 연루된 사고의 근본 원인이 정확히 무엇인지 단정하기 어려운 상태이므로 사고 건수와 자율운전의 기술 수준의 상관관계는 신중히 접근할 필요가 있음


 지난 6월 웨이모는 현재 자율운전 기술의 한계를 보여주는 사고를 일으켰는데, 웨이모 차량이 원인이 된 이 사고는 실은 AI의 운전을 감시하는 안전 드라이버(back-up driver)’가 고속도로 주행 중에 졸면서 실수로 액셀을 밟았기 때문에 발생하였음


드라이버가 액셀을 밟자 AI는 이를 운전 권한을 넘겨달라는 것으로 인식했고, 자율운전 모드가 긴급 해제된 자동차는 컨트롤을 잃고 중앙 분리대를 들이받게 된 것임


웨이모의 이 사고는 사람이 운전에 관여하는 것이 오히려 더 사람을 위험에 빠뜨릴 수 있음을 보여준 것으로, 자동차 사고를 없애기 위해서는 사람을 운전대에 앉게 해서는 안 된다는 자율운전차 개발의 최초 아이디어를 되돌아보게 만드는 계기가 되었음


웨이모는 2017년에 인간 드라이버가 운전석에 탑승하지 않는(driverless) 자율운전 자동차의 주행 테스트를 애리조나에서 시작했는데, 이 방향의 기술 완성도를 신속히 높이기 위해 20181030일 캘리포니아에서도 테스트를 시작한다고 발표하였음


<자료> ars Technica

[그림 1] 운전대가 없는 자율주행 차량


과연 사람이 일절 관여하지 않는 드라이버리스 자율운전이 사람이 운전석에 앉는 현재의 자율전보다 안전하게 될 것인지, 웨이모가 진행하는 테스트는 자율운전의 실용화 방향을 점치는 데도 중요한 의미를 갖게 될 것으로 보임


여하튼 자율운전 기술을 현실 속에서 구현하기 위한 방안이 현재에도 계속해서 다양하게 모색 중이기 때문에, 자율운전 차량의 사고와 관련된 데이터는 표면적인 사고 건수보다는 실제 사고 내용과 사고 발생 상황에 대한 맥락까지 고려하여 신중하게 해석할 필요가 있음


캘리포니아 차량등록국의 보고서가 자율운전 차량의 현 상태를 보여준다면, MIT 미디어 랩이 발표한 도덕적인 기계 실험보고서는 언젠가 자율운전차가 겪게 될 윤리 문제를 제시하고 있음


MIT 미디어 랩에서는 윤리적인 자율운전 기술을 연구하고 있는데, 자율운전차 개발에서 트롤리 문제(Trolley Problem)’, 즉 자율운전 차량이 사고를 피할 수 없는 상황에 빠졌을 때 누구를 구하고 누구를 희생할 것인가는 고전적이나 아주 중요한 연구 주제임


MIT 미디어 랩에서는 이 트롤리 문제를 일반화하여 전세계적인 여론 조사를 실시함으로써 각 나라의 사람들 사이에 공통된 의견과 차이가 보이는 부분을 연구하였음


MIT 미디어 랩은 트롤리 문제를 도덕적인 기계(Moral Machine)’라는 이름으로 일반화하여 연구를 진행하였고, 그 결과를 과학 잡지 네이처에 도덕적인 기계 실험(The Moral Machine experiment)’이라는 제목으로 게재하였음


도덕적인 기계 실험은 개방형 크라우드소싱 방식으로 진행되었는데, 4년 동안 세계 233개국에서 100만 명 이상으로부터 답을 얻어 세계 최대 규모의 트롤리 문제 여론조사 도구가 되었음


도덕적인 기계 실험은 윤리학의 사고 실험에서 사람을 구하기 위해 다른 사람을 희생하는 것이 허용될 수 있는가라는 주제를 자율운전 자동차에 적용하여, 13 가지의 케이스를 만들어 웹 사이트에 게재한 후 공개 실험으로 진행되었음


전세계 사람 누구나 도덕적인 기계 사이트(http://moralmachine.mit.edu/)에 접속하여 13 가지의 경우 각각에 대해 자율운전 자동차가 어떤 조치를 취해야 할 것으로 생각하는지 투표할 수 있었음


<자료> http://moralmachine.mit.edu/hl/kr

[그림 2] 도덕적인 기계 실험


문제는 자율운전 자동차의 브레이크가 고장 났을 때, 알고리즘은 인명을 구하기 위해 어떻게 판단해야 할지를 선택하는 것인데, 두 가지 상황을 그림으로 제시하고 어느 쪽이 보다 윤리적 인 것인지 판단하여 답변하도록 하였음


두 가지 선택 사항은 보행자와 탑승자의 다양한 상황맥락을 제시하는데, 가령 자율운전 차량이 그대로 직진하여 노인 보행자 세 사람을 희생시킬 것인지, 아니면 핸들을 꺾어 바리케이드에 충돌함으로써 젊은 차량 탑승자 세 명을 희생시킬 것인지 선택하게 하였음


혹은 신호등을 무시하고 무단 횡단을 하는 남성 경영자와 신호등을 준수하여 횡단보도를 건너고 있는 여성이 있을 경우 어느 사람에 충돌할 것인지 선택하게 하거나, 남성 경영자와 노숙자 중 누구와 충돌할 것인지를 선택하게 하였음


선택 조건의 주요 기준은 법규 준수 여부의 중요도, 희생자 숫자의 중요도, 사회적 가치관 선호도, 종에 대한 선호도, 연령 선호도, 체력 선호도, 승객 보호 선호도, 개입에 대한 회피 선호도, 성별 선호도 등임


[4] 도덕적인 기계 실험에서 제시되는 13 가지 상황의 예 (실험자마다 각기 다른 13가지 상황 제시)

선택지 A

선택지 B

보행자/승객

범규 준수

대상자 구성

보행자/승객

법규 준수

대상자 구성

보행자

신호준수

남성1

보행자

신호준수

노숙자1

보행자

신호준수

노인남성1, 범죄자1, 산모1, 노숙자1

승객

-

2, 고양이2

보행자

신호준수

남성1, 여성운동선수1, 남성운동선수1

승객

-

비만남성2, 비만여성1

보행자

무단횡단

비만여성1

보행자

신호준수

노인남성2, 비만여성2, 여성운동선수1

보행자

신호준수

여성1, 남성2

보행자

무단횡단

노숙자1

보행자

신호준수

노인남성3, 여성2

보행자

신호준수

남자아이1, 남성2, 여자아이2

승객

-

여성운동선수2

보행자

신호준수

비만여성3

보행자

신호준수

여자아이1, 여성의사1, 노숙자1

보행자

무단횡단

여자아이1, 여성의사1, 노숙자1, 산모1

보행자

신호준수

여성의사1, 여성경영자1, 노인여성1, 여자아이1, 여성운동선수1

승객

-

남성의사1, 노인남성1, 남자아이1, 남자운동선수1

보행자

무단횡단

산모1

보행자

신호준수

산모1, 노인여성1, 범죄자1, 고양이1, 여성운동선수1

보행자

신호준수

남성2, 여성1, 노인남성1

보행자

무단횡단

남자아이2, 여자아이1, 남성1

보행자

신호준수

여자아이2, 여성2, 여성경영자1

보행자

신호준수

남자아이2, 남성2, 남성경영자1

보행자

신호준수

여성경영자2, 비만남성1, 남성1

승객

-

2, 고양이1

<자료> http://moralmachine.mit.edu/hl/kr, IITP 정리

 


논문은 답변 결과를 분석하여 자율운전 자동차가 취해야 할 윤리적 행동을 9가지 케이스로 정리하고 그 순위를 보여주고 있음


분석 결과를 보면 사람들의 생각이 대체로 일치하는, 따라서 자율운전 자동차의 알고리즘에 우선 요청할 수 있는 상위 3가지는 애완동물보다는 사람의 생명을 구하기’, ‘한사람이라도 많은 인명을 구하기’, ‘노인보다는 젊은이의 생명을 구하기인 것으로 나타났음


그 다음으로는 법을 준수한 사람을 먼저 구하기’, ‘사회적 지위가 높은 사람을 먼저 구하기인 것으로 나타났으며, ‘날씬한 사람 먼저 구하기’, ‘여성 먼저 구하기’, ‘보행자 먼저 구하기등에 대해서는 상대적으로 의견이 나뉘는 것으로 나타났음


<자료> Iyad Rahwan et al.

[그림 3] 도덕적인 기계 실험의 결과 나타난 선택의 우선순위


한편 흥미로운 결과는 자율운전 차량에 요구하는 윤리적 행동은 국가마다 특성이 있다는 것인데, MIT 미디어 랩은 국가별 특성을 분류하여 전세계를 크게 세 그룹으로 나누었음


세 그룹은 Western(미국과 유럽), Eastern(아시아), Southern(남미 등)이며, 이 그룹에 속한 국가들은 자율주행차가 취해야 할 9 가지 행동기준에 대해 대체로 공통점을 보였음


한국이 속한 Eastern 그룹에서 한국, 중국, 일본은 비슷한 특성을 나타냈는데, 구체적으로 자율운전 차량이 노인과 젊은이 중 누구를 구할 것인가라는 질문에서 양자 사이에 큰 차이가 없어 젊은이의 생명을 우선할 필요는 없다고 보는 것으로 나타났음


Eastern 그룹의 그래프를 보면 ‘Sparing the Young(젊은이 구하기)’ 값이 0으로 나타나는데, MIT 미디어 랩은 이것이 유교 사상의 영향으로 노인을 존경하는 문화에서 기인하는 것으로 분석하고 있음


Western 그룹은 9가지 행동 기준에 대해 모두 중요하게 생각하는 결과를 보여주고 있으며, 그 중에서도 특히 더 많은 인명 구하기(Sparing More)’를 요구하고 있는데, 이는 이 항목을 중요하게 생각하지 않는 Eastern 그룹과 명확히 대비되는 부분임


Southern 그룹의 경우 사회적 지위가 높은 사람 구하기(Sparing Higher Status)’를 선택한 비중이 높았는데, 개인주의가 가치관을 구성하는 Western에서는 많은 인명을, 빈부 격차가 심한 Southern에서는 사회적 지위가 높은 사람을 구하려는 성향이 나타난 것으로 보임


<자료> Iyad Rahwan et al.

[그림 4] 권역별로 다르게 나타난 도덕적인 기계 실험의 결과

 

웨이모와 이미 운전자가 탑승하지 않는 자율주행차의 도로 주행 테스트를 시작한 상황에서 MIT 미디어 랩의 연구는 국가별로 윤리적 행동에 대한 공감대 조성 노력이 필요함을 시사하고 있음


도덕적인 기계 실험의 결과를 자율운전차 기술에 구현하기까지는 해결해야 할 과제가 적지 않은데, 가령 컴퓨터 비전이 보행자의 성별이나 연령 및 복장 등을 판정할 수는 있지만 자율운전 차량의 센서가 이를 즉시 100%의 정확도로 판정하는 것은 아직 어려움


또한 교통사고는 물리적 현상들이 복잡하게 얽혀 누가 사망할 것인가라는 예측에는 한계가 있을 수밖에 없고 부상의 정도도 간단히 생각할 수 없는 부분임


따라서 기술 구현의 첫 번째 단계는 간단한 모델에서 고찰을 시작하는 것인데, 현재는 애완동물이 아니라 사람을 먼저 구하게 하는 기술 정도가 개발에 들어가 있는 상태임


트롤리 문제는 아직은 좀 먼 이야기로 들릴 수도 있지만, 안전 운전자가 탑승하지 않는 무인 자율운전차가 이미 주행을 시작했고 이는 자동차의 알고리즘이 특정 사람의 생명을 구하는 판단을 내리게 되었음을 의미함


어차피 지금의 교통사고에도 우연의 요소가 많으니 자율주행차가 어떻게 선택하든 그냥 복걸복으로 받아들이자는 사람들도 있으나, 인간의 생사를 알고리즘이 결정하는 것에 생래적 거부감을 가지고 자율운전 차량에 위화감을 느끼는 사람들도 많이 있음


이런 불안이나 위화감을 해소하기 위해서는 우선 자율운전 자동차의 기술 안전성이나 사고를 선제적으로 방지하는 방법들을 명확히 설명해야 할 것이며, 궁극적으로는 어떤 기준 하에 알고리즘이 선택한 것인지에 대해 공개하라는 사회적 압력에 직면할 가능성도 있음


그러나 알고리즘 로직 공개는 현실적으로 사고 발생 시 책임 소재와 직결되는 민감한 사항이어서 제조업체, 소프트웨어 개발업체, 보험회사 등이 절대 공개하지 않을 것이므로 이를 둘러싼 논쟁들이 아마도 치열하게 전개될 것임


새로운 기술을 서비스로 정착시키기 위해선 이런 산통을 반드시 겪게 될 것인데, 특히 국가마다 무엇이 윤리적 행동인지에 대한 기준이 다르다는 MIT 미디어 랩의 연구 결과는 윤리적인 자율운전차에 대한 사회적 논의가 조속히 개시될 필요가 있음을 시사하고 있음


댓글을 달아 주세요

※ 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 ]


자율주행 자동차의 시가지 주행 테스트 과정에서 처음으로 인명 사고가 발생하면서 자율운전 기술의 안전성에 대한 의문이 제기되고 있음사고의 원인이 센서 결함인지자율운전 알고리즘의 문제인지 아직 조사가 진행 중이지만원인 규명 때까지 주행 테스트는 당분간 중단될 것으로 보임자율주행 상용화를 위해 시가지 주행은 반드시 필요한 만큼 테스트가 완전 중단되지는 않겠지만개발업체들의 기술 수준에 따라 허용 기준이 설정되는 등의 변화가 예상됨



[ 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 2018 318 , 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


<자료> New York Times


[그림 1] 우버 자율주행차 인명 사고 상황


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) 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


<자료> Velodyne


[그림 2] 벨로다인 라이더의 주변 객체 인식


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 7, 레이더 7, 카메라 20대가 장착돼 있었음


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


<자료> Reuter


[그림 3] 우버 자율주행차의 센서 구성 변경


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


<자료> ABC News


[그림 4] 테스터 운전자의 전방 주시 태만


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, 디스인게이지먼트는 차량에 문제가 발생하여 테스터 드라이버가 자율운전 모드를 해제시키는 조치를 의미함


Ø , 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 보고서를 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, 5,600 마일당 1회가 발생한 웨이모(Waymo) 1,250마일당 1회가 발생한 GM과 비교해 볼 때 기술 완성도 면에서 큰 격차가 있는 것임


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

기업명

디스인게이지먼트() [A]

주행거리(마일) [B]

[B] / [A]

Waymo

63

352,544.6

5,596

GM Cruise

105

131,675.9

1,254

Drive.ai

93

6,127.6

255

Baidu

42

1,949.14

217

Nissan

24

5,007

207

Zoox

14

2,244

160

Telenav

50

1,581

32

Delphi Automotive

81

1,810.6

22

우버

N/A

N/A

13

NVIDIA

109

505

5

BMW

598

1,595

3

Valeo North America

215

574.1

3

Mercedes Benz

773

1,087.7

1

<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 구역이었기 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-제어의 순서로 작동하는데, 센서가 비록 무언가 객체를 인식했다 하더라도, 한밤 중에 횡단보도가 아닌 곳에서 자전거를 끌고 가는 사람이었던 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 , 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 않다는 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


<자료> Sean Lee


[그림 5] 트롤리 딜레마


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) 2018를 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-)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 , 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

댓글을 달아 주세요

  1. *loveme* 2018.04.12 11:29 신고  댓글주소  수정/삭제  댓글쓰기

    미래사회가 조금씩 다가오는군요. 이러다가 운전하는 재미까지 없어질까봐 살짝 걱정은 되네요 ㅋㅋ

    • 보라개구리 Purple Frog 2018.04.12 11:35 신고  댓글주소  수정/삭제

      네.. 그런데 GM도 그렇고 자동차 회사들이 무인자동차를 어쩔 수없이 개발하려는 이유가.. 미국의 10대, 20대가 자동차 운전에 흥미를 잃어가고 있기 때문이라고 하네요. 스마트폰 하면서 대중 교통 이용하는게 더 좋다는 것이죠.. 자동차 회사들이 바라보는 무인자동차의 목표는 더 좋은 스마트폰 이용 환경을 제공하는 것일 지도 모릅니다.

※ 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 ‘크루즈 AV’.pdf



[ 요 약 ]


제너럴 모터스(GM)는 2019년 양산을 목표로 완전 자율주행 자동차 크루즈 AV(Cruise AV)의 개발과 테스트에 박차를 가하고 있음크루즈 AV는 자율주행차 기술을 선도하고 있는 구글 웨이모(Waymo)를 겨냥해 대항마로 개발 중인 모델임. IT 대기업과 스타트업들이 각광받고 있는 자율운전 개발 경쟁에서 GM은 그 동안 존재감이 없었으나전문가들은 크루즈 AV가 GM은 흘러간 과거의 거인이라는 낙인을 지울 만큼 상당한 실력을 품고 있는 것으로 보고 있음



[ 본 문 ]


ž 제네럴 모터스(GM)2018 1월 미국 교통부(DOT)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


<자료> General Motors


[그림 1] 무인차량 크루즈 AV의 내부


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 지역에서만 주행하겠다고 밝혔음


Ø GM 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 3 7천 달러 가량 높은 편임


<자료> General Motors


[그림 2] 볼트 EV 기반의 크루즈 AV


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


<자료> KMPG


[그림 3] 2030년 미국 신차 시장 전망


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


Ø 80년 전인 1939년 뉴욕 국제 박람회에서 GMFuturama(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 2007DARPA(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 AV 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 GM 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


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

운행 조작/시나리오

샌프란시스코(GM)

피닉스 교외(웨이모)

비율

좌회전

1,462

919

1.6:1

차선 변경

772

143

5.4:1

공사로 인한 차단 차선

184

10

19.1:1

반대편 차선을 이용한 통행

422

17

24.3:1

공사 현장 주행

152

4

39.4:1

응급 차량

270

6

46.6:1

<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 설계하였음


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


<자료> GM


[그림 4] 크루즈 AV 지붕의 5대 라이더 센서


Ø 3종류의 센서 중 핵심은 라이더로, 라이더 하나 만으로도 안전하게 주행할 수 있는 기본 기능을 구현할 수 있는데, GM 2017 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()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 계획을 수립하게 되며, 여기에서 중요한 것은 행동예측과 보이지 않는 영역에 대한 고려인데, GM은 이 기능에 딥러닝을 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


<자료> GM


[그림 5] 마이크로 주행 경로의 결정


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 영역으로 분류된 곳의 수 많은 이미지를 이용해 훈련시킨 AI의 판단이 효과를 발휘할 수 있음


Ø 주행 경로의 결정에서 GM은 특히 센서에 보이지 않는 영역의 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 학습한다고 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


<자료> GM


[그림 6] 크루즈 AV 주요 배선의 이중화


Ø 이 때 2개의 ECU가 상호 감시하는 구조에서는 어느 쪽이 실패했는지 결정할 수 없기 때문에 GM 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)


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

댓글을 달아 주세요

※ 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 35 2,545 마일( 56만 킬로미터)이었음


Ø 웨이모의 테스트 주행거리는 2016 63 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 35 2,545 마일을 달리는 사이에 63회의 분리가 발생하였음


Ø 즉 웨이모의 자율운전 AI는 현재 5,596 마일( 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( 2,000 킬로미터) 1, 2016년에는 5,000 마일( 8,000 킬로미터) 1회였으므로, 웨이모의 자율운전 AI 성능은 꾸준히 향상되고 있음을 알 수 있음


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

기업명

분리 횟수

주행거리(마일)

분리 1회당 주행거리(마일)

Waymo

63

352,544.6

5,596

GM Cruise

105

131,675.9

1,254

Drive.ai

93

6,127.6

255

Baidu

42

1,949.14

217

Nissan

24

5,007

207

Zoox

14

2,244

160

Telenav

50

1,581

32

Delphi Automotive

81

1,810.6

22

NVIDIA

109

505

5

BMW

598

1,595

3

Valeo North America

215

574.1

3

Mercedes Benz

773

1,087.7

1

<자료> Department of Motor Vehicles, State of California


ž 웨이모를 뒤쫓고 있는 곳은 제너럴 모터스(GM)의 자회사인 GM 크루즈(GM Cruise) 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, GM 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 2017 12월 현재 자율운전 도로 주행 테스트가 총400만 마일( 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 1, 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 10개 기준으로 평가하였음


<자료> Navigant Research


[그림 1] 자율운전 기술 기업들의 순위표


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


Ø 선도자 그룹에는 GM, 웨이모, 다임러-보쉬, 포드, 폴크스바겐, BMW-인텔-FCA(피아트 크라이슬러 연합), 앱티브(Aptive, 델파이의 자회사) 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 GM2016년 차량 공유 서비스 업체 리프트(Lyft) 5억 달러를 투자한 바 있고, 자율주행 솔루션 개발 스타트업인 크루즈 오토메이션(Cruise Automation)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


<자료> TechCrunch


[그림 2] 운전대 없는 GM의 크루즈 AV


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 2017 3월 인텔이 153억 달러에 인수한 바 있으며, 인텔은 모빌아이 인수를 통해 자율주행 기술 분야에서 새로운 다크호스로 급부상하였음

댓글을 달아 주세요

※ 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 ‘아폴로’.pdf



[ 요 약 ]


바이두는 오픈소스 자율운전 플랫폼 아폴로(Apollo) 프로젝트를 진행 중이며 2020년 말까지 고속도로와 복잡한 시내 환경에서 자율주행을 목표로 하고 있음아폴로 플랫폼에는 중국 업체들 외에도 MS, 포드엔비디아보쉬 등 해외 기업 포함 총 90개 기업이 참여하고 있음아폴로 플랫폼의 현재 상태는 2005년 구글에 인수될 당시 안드로이드와 비슷하다는 평가이며바이두의 오픈소스 플랫폼이 자율운전 시스템의 안드로이드가 될 지 관심이 모아지고 있음



[ 본 문 ]


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


Ø 2017 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


<자료> TechCrunch


[그림 1] 바이두의 아폴로 플랫폼 발표


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 안드로이드로 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 시티를 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



<자료> Baidu


[그림 2] 시옹안 AI 시티 내에서 아폴로 탑재 차량의 주행 모습


Ø 통상 중앙 분리대가 없고, 도로 폭이 좁을 경우 보다 고도의 자율주행 기술이 필요하다고 알려져 있기 때문에, 바이두의 자율운전 기술은 어느 정도는 궤도에 올라선 것으로 보임


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 AI센서 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


<자료> Baidu

[그림 3] 태블릿 형태의 디스플레이


Ø 예를 들어 아폴로 API(자율운전 라이브러리)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


<자료> Baidu


[그림 4] 자율운전 시뮬레이터 드림뷰


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 , 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 보안을 이유로 자율주행차 관련 법규를 자국 기업에 유리하게 통제할 가능성을 꼽고 있는데, 국가기관의 입장에서 보면 자율주행차는 그 자체로 무기가 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


<자료> Baidu


[그림 5] 아폴로를 탑재한 다양한 차량들


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 애플로 자리매김할 것인지가 핵심 목표가 될 것임

댓글을 달아 주세요

※ 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.

자율운전 자동차 시장의 우량주, 이스라엘 자동차 관련 스타트업.pdf



[ 요 약 ]


이스라엘에서는 매년 1천 개의 스타트업이 설립되고 있으며 이 중 적잖은 스타트업들이 전세계 VC들과 ICT 기업들의 투자 물망에 오르고 있는데특히 자율주행차와 전기자동차 관련 핵심 기술을 보유하고 있는 스타트업들이 큰 주목을 받고 있음올해 CES에서는 자율주행차가 본격적인 상용화 단계에 진입하고 있으며이 시장 선점을 위한 기업간 합종연횡이 향후 치열하게 전개될 것임을 확인할 수 있었는데이는 이스라엘의 스타트업들에 대한 구애의 손길이 더욱 뜨거워 질 것임을 의미



[ 본 문 ] 


ž 이스라엘에서는 매년 1천여 개 내외의 스타트업이 설립되고 있으며 이 중 상당수가 인수되거나 협업 파트너로 선정되는 등 전세계 ICT 기업들과 미디어의 높은 관심을 받고 있음


Ø 이스라엘에서 창업된 스타트업의 수는 2012년에 처음으로 1천 개를 넘어섰으며 이후 2015년까지 4년 연속으로 1천 개를 넘겼음



<자료> IVC Research Center


[그림 1] 이스라엘 신규 창업 스타트업의 수


Ø 이스라엘의 스타트업들은 최근 수년 동안 속속 전세계 기업들에게 인수되고 있는데, 그 배경에는 이처럼 탄탄한 토대를 이루고 있는 1천 개 내외의 스타트업들이 자리잡고 있음


Ø 2017년에 인수된 주요 이스라엘 기업을 보면 인수금액 순서로 모빌아이(Mobileye, 153억 달러), 뉴로덤(NeuroDerm, 11억 달러), 플래리엄(Plarium, 5억 달러), 긱야(Gigya, 3.5억 달러), 엔지모텍(Enzymotec, 1.68억 달러) 등임


Ø 2017년 말 현재 IT 미디어에 가장 많이 회자되고 있는 이스라엘 기업은 웨이즈(Waze), 무빗(Moovit), 모빌아이, 세덱스(CEDEX), 스토어닷(StoreDot), 바이야(Vayyar) 6개인데, 이들 기업들 역시 대부분 인수되었거나 인수 물망에 올라 있다는 공통점이 있음


ž 웨이즈(Waze)는 스마트폰 내비게이션 앱을 제공하는 기업으로 2003년 애플-페이스북-구글의 인수전 결과 구글이 13억 달러에 인수한 바 있음


Ø 웨이즈의 앱은 이용자들이 도로 상황이나 가솔린 가격 등을 입력하면 실시간에 가까운 속도로 다른 이용자들이 공유 할 수 있게 해주는 것으로 내비게이션과 커뮤니케이션 도구를 합친 것임


Ø 개발 당시의 컨셉은 움직이는 자동차의 GPS 데이터를 하나로 엮어 내는 지도를 만든다는 것이었으며, 점차 도로 정보의 위키피디아를 목표로 하게 되었음


<자료> Goldgenie News


[그림 2] 참여형 내비게이션 앱 웨이즈


Ø 웨이즈 서비스를 전세계 각지에서 시작하려면 먼저 데이터를 입력해 줄 협력자가 필요한데 웨이즈는 이들을 편집자라 부르며, 각 지역의 편집자 커뮤니티를 구축하는 것이 웨이즈의 중요한 사업 전략이 되고 있음


Ø 웨이즈는 현재 13개 국에서 완벽한 지도를 제공하고 있다는 평을 받고 있으나 그 이외 국가의 지도는 불완전한데, 이는 사용자 기반 크기와 편집자 커뮤니티의 존재 유무에 좌우됨


Ø 국내에서는 테슬라가 한국에 전기자동차를 출시하며 구글 지도 대신 사용자 참여형 내비게이션인 웨이즈 탑재를 고려하고 있다는 것이 알려지며 한때 관심을 모은 바 있음


ž 무빗(Moovit)은 교통수단 환승을 지원하는 앱으로, 전철이나 버스 이용 정보 외에도 카풀 서비스와 연동하여 자동차 이용시 교통 정보도 제공하고 있음


Ø 무빗은 목적지로 가기 위한 내비게이션 기능, 도착까지 사용자끼리의 정보 공유라는 측면에서 보면 웨이즈 앱과 유사하지만, 자동차 이외 교통수단 이용자를 대상으로 하고 있는 것이 다름


Ø 잠재 사용자 기반에 대해 무빗은 전세계적으로 자동차가 10억 대 있는 반면, 인구는 80억 명이나 된다는 점을 강조하고 있음


Ø 무빗에서 모은 데이터는 도시에 제공됨으로써 효과를 낳게 되는데, 시 당국이 교통 상황 데이터를 활용하여 최적의 교통 인프라를 만드는 데 도움을 줄 수 있으며, 무빗은 이를 위한 툴을 시에 제공하고 있음


<자료> OK Diario


[그림 3] 대중교통 환승 지원 앱 무빗


Ø 무빗은 현재 1,800개 이상의 도시를 지원하고 있으며, 1억 명 이상의 이용자가 신뢰하는 세계 1위의 대중교통 길찾기 앱으로 자리매김하고 있음


Ø 무빗의 서비스가 활성화되려면 먼저 교통 관련 데이터가 공개되어야 하며, 무빗은 현재 전세계적에서 지자체 단위로 서비스를 확대하고 있는데, 16 시간마다 한 개 지자체씩 늘리고 있다고 함


Ø 무빗이 제공하는 툴은 2016년 리우데자네이루 올림픽에서도 활동된 바 있으며, 현재 도쿄 올림픽에서 활용하기 위한 협의를 진행 중에 있다고 함


ž 2017년에 인텔이 153억 달러에 인수해 큰 화제가 된 모빌아이(Mobileye)는 첨단 운전자 보조 시스템(ADAS)에 사용되는 자동차용 CCD(전자결합소자) 카메라를 제조하고 있음


Ø CCD 카메라는 사람이나 다른 차량을 포착해 차량과 충돌할 것 같으면 자동으로 브레이크를 거는 등의 용도에 활용되는데, 모빌아이 제품의 특징은 카메라 렌즈가 하나라는 점


Ø 일반적으로 거리를 측정할 때는 여러 대의 카메라를 설치하지만, 모빌아이는 사람의 눈의 움직임을 연구하여 단일 렌즈에서도 이를 가능케 했으며, 이런 점이 인정을 받아 현재 자동차 제조업체 20여 곳이 이 기업의 CCD 카메라를 이용하고 있음


<자료> Autonews


[그림 4] 모빌아이의 거리 측정 CCD 카메라


Ø 작년 8월 인텔은 모빌아이를 인수했는데 향후 자동차에 많이 도입될 CCD 카메라를 비롯한 자동차 프로세서 시장을 겨냥한 것으로 분석되며, 이 밖에 BMW 역시 모빌아이와 제휴하여 2021년을 목표로 완전 자율운전 자동차를 개발 중에 있음


Ø 자율운전차 개발에 중요한 모빌아이의 기술은 REM(Road Experience Management, 도로 경험 관리)인데, 8개의 카메라로 360도 뷰를 제공하는 것으로, 자율주행을 위한 지도를 자동으로 생성하는 데 이용됨


Ø REM 기술을 이용해 카메라가 포착한 영상을 클라우드에 업로드 함으로써 자율주행에 필요한 세세한 차원의 통로 데이터를 공유할 수 있는데, 5~10 회 도로 주행을 하면 필요한 데이터를 생성할 수 있다고 함


ž 세덱스(CEDEX)는 현재 다이아몬드의 온라인 마켓플레이스를 구축 중에 있는데, 블록체인 기반의 암호화폐를 이용하는 것이 특징임


<자료> NewsBTC


[그림 5] 세덱스 토큰 선판매 시작(2018.01.12)


Ø 금과 같은 여느 광물과 달리 다이아몬드의 온라인 마켓플레이스는 아직 없기 때문에 온라인 다이아몬드 시장을 구축하려는 움직임은 다른 나라에도 있지만, 세덱스는 다이아몬드 거래에 자체 암호화폐를 이용하는 것이 특징임


Ø 세덱스는 블록체인 기술을 사용하여 다이아몬드 거래 시장의 투명성을 도모하는 것이 목적인데, 2018 1분기에 암호화폐의 제공을 시작하고 3분기에 거래 시장인 세덱스 플랫폼(CEDEX Platform)을 런칭 한다는 계획임


ž 스토어닷(StoreDot)은 유기 화합물 기술에 강점을 가진 기업으로 스마트폰의 배터리와 유기 EL 디스플레이(OLED)를 개발하고 있음


<자료> Charged EVs


[그림 6] 스토어닷의 고속 충전 리튬 이온 배터리


Ø 현재 주목을 받고 있는 스토어닷의 개발 제품은 리튬 이온 배터리로, 기존 배터리에서 1시간 내지 1시간 반 정도 걸리던 충전을 1~5분에 완료하는 고속 충전이 특징이며, 스토어닷은 배터리의 용량을 높이려는 여느 배터리 업체들과는 차별화된 노선을 걷고 있음


Ø 이 고속 충전 배터리는 아직 개발 중이지만 전기자동차 전환을 모색하고 있는 자동차 업계가 뜨거운 관심을 보내고 있는데, 2017 9월 다임러의 트럭 부문이 스토어닷에 출자를 발표한 바 있으며, 미쯔비시의 트럭버스 부문이 개발한 전기 트럭 e캔터(eCanter)에도 이 배터리가 탑재될 계획임


ž 바이야(Vayyar)는 고주파를 이용하여 인간의 눈에 보이지 않는 부분까지도 데이터를 3 차원화 하여 시각화 하는 센서 기술을 가지고 있으며, 다양한 분야에 기술 응용을 하고 있음


Ø 2011년에 설립된 바이야는 사업 초기에는 저비용으로 유방암 검진을 할 수 있고, 환자에게 물리적으로 고통을 주지 않고도 악성 종양의 성장을 모니터링 할 수 있는 의료용 센서를 주로 개발해 판매하였음


Ø 현재도 의료 기술 개발을 지속하고 있지만 자율주행차, 스마트 건축, 농업 설비, 스마트홈 보안 모니터 등 새롭고 다양한 센서 활용 분야를 개척해 가고 있음


Ø 바이야의 센서는 기술적으로는 칩 형태의 다중입출력(MIMO) 레이다로 25센트 동전보다 작으며, 반경 10 미터 이내 정도에서 전파를 감지해 사람들의 형상과 움직임을 시각화 해 줌


Ø 바이야의 센서는 카메라와 달리 빛이나 광학에 의존하지 않기 때문에 연기나 어둠을 뚫고 감지하는 것은 물론 벽 너머에 있는 사람의 움직임도 감지할 수 있는 것이 특징임


Ø 따라서 만약 연로한 부모님이 바닥이 미끄러운 화장실에 들어갈 때 미끄럼 사고가 났는지 모니터링 하고 싶을 경우, 화장실 내에 카메라를 설치한다면 프라이버시를 침해하게 되지만 바이야의 센서를 이용하면 문 밖에서도 안의 움직임을 알 수 있어 사생활 보호가 가능해 짐


<자료> Vayyar Imaging

[동영상] 바이야 센서를 이용한 벽 너머 움직임 감지


Ø 바이야는 최근 이 센서를 차내 상황과 차 밖의 상황을 감지하기 위해 사용하는데, 차내 감지의 경우 트렁크 적재 공간 확인이나 차량 내 탐승자의 자세와 위치 확인, 운전자 졸음 여부 확인, 차량 내 아기 탑승 여부 판단 등에 활용할 수 있음


Ø 차량 밖을 모니터링 할 경우 충돌 회피 같은 기능을 직접 지원하는 것은 아니지만, 10m 정도라면 객체의 형태를 감지할 수 있기 때문에 가령 모퉁이를 도는 경우 모퉁이 너머의 상황을 알 수 있어 자율운전의 안전도 향상에 도움을 줄 수 있음


ž 이상 주목받고 있는 6개 이스라엘 기업 중 5개사는 모두 자동차와 관련되어 있다는 공통점이 있으며, 특히 4개 기업의 기술 및 서비스는 자율주행차와 높은 연관성이 있음


Ø 웨이즈는 현재 카풀 서비스를 제공하고 있는데, 이 서비스는 2017 11월부터 애리조나주 피닉스에서 완전 자율운전 택시 서비스의 실증 실험을 시작한 웨이모(Waymo)의 사업과 접목 가능성이 점쳐지고 있음


Ø 웨이즈의 카풀 앱 정보와 웨이즈에서 수집하고 있는 최신 도로 정보는 향후 웨이모와 같은 무인 택시 이용에 중요한 데이터가 될 것임은 틀림없음


Ø 무빗 역시 카풀 서비스와 도로 정보를 가지고 있다는 점에서 자율운전차 비즈니스와 관련해 웨이즈와 동등한 위치를 차지하고 있음


Ø 지금은 무빗이 대중 교통 서비스 지원을 주로 하기 때문에 자동차 정보만 제공하는 웨이즈와 직접적으로 경쟁하지 않지만, 자율운전이 확산되는 시점에서는 어느 쪽이 최신 도로 정보를 확보하고 있는지를 놓고 경쟁하게 될 가능성이 높음


Ø 즉 크라우드소싱이 관건이 되는데, 자율주행 서비스 시장을 고려한다면 무빗은 편집자를 늘리는 전략을 지금보다 더욱 강도 높게 추진할 것으로 보임


Ø 모빌아이는 이미 자동차 업계에서 크게 인정받는 존재가 되어 있는데, 무엇보다 자율운전 기술의 수준을 높이기 위해서는 모빌아이의 소프트웨어 기술이 중요하기 때문


Ø 모빌아이의 REM은 도로 상황을 카메라로 포착해 클라우드에서 공유하는 기술로 정확도를 높이기 위해서는 많은 자동차를 통해 도로 상황 정보를 모을 필요가 있는데, 여기서도 크라우드 소싱이 중요한 관건이 될 것임


Ø 바이야의 센서는 차량 내부 상홍에 대한 세세한 모니터링은 물론, 안개나 연기가 자욱하거나 어두운 상황에서 자율주행차가 차량 외부의 상황을 정확히 판단하는 데 도움을 줄 수 있음


ž 자동차 관련 5개 기업 중 나머지 하나는 전기차 관련 기업인데, 이스라엘은 현재 거국적으로 전기자동차 개발 노력을 진행하고 있는 전기자동차 강국임


<자료> Fuel Choices Israel Summit


[그림 8] 이스라엘의 국가 차원 전기차 컨퍼런스


Ø 이스라엘은 매년 10연료 선택과 스마트 이동성 서밋(Fuel Choices and Smart Mobility Summit)이라는 차세대 자동차 연료에 대한 컨퍼런스를 국가 차원에서 개최하고 있는데, 이 행사에는 이스라엘 총리가 직접 등단하고 있음


Ø 이스라엘은 석유 자원이 없기 때문에 온 나라가 전기자동차에 힘을 불어넣는 것이 당연하기도 하지만, 스타트업을 통해 기술력을 외국에 판매한다는 국가 전략에 부합하는 것이기도 함


Ø 이스라엘 정부 관계자는 기존의 자동차는 하드웨어가 90% 소프트웨어가 10%였지만, 이제는 하드웨어가 10% 소프트웨어가 90%가 될 것이라 강조하는데, 이는 곧 이스라엘이 90%에 해당하는 소프트웨어를 겨냥하고 있다는 의미임


ž 2018 CES는 마치 모터쇼를 방불케 할 정도로 자율주행차가 전시 테마로 떠올랐는데, 이런 흐름은 당분간 이스라엘 스타트업들에 대한 전세계의 관심이 지속될 것임을 시사


Ø 2013 CES에서는 스스로 움직이는 자동차라는 아이디어 자체가 센세이션을 불러 일으켰다면, 2016 CES에서는 관람객을 태우고 주행하는 이벤트가 관심을 모았으며, 2018 CES에서는 이제 운전을 자율주행차에 맡겨도 되겠다는 말이 자연스레 회자되었음


Ø 올해 CES에서는 놀랄 만한 자율주행 신기술이 발표되지는 않았으나, 웨이모의 무인 자율주행 택시 시범 서비스 시작에 따라 자율주행차 상용화가 점차 현실화되면서 그 동안 기술 그 자체에만 집중됐던 관심이 상품화 단계로 옮겨가고 있음을 명확히 보여주었음


Ø 여러 대의 대형 카메라와 센서를 여기저기 달고 나와 누가 봐도 아직 실험 중임을 알 수 있게 해주던 자율주행차들이 이제 여느 최신 자동차들 처럼 매끈한 자태로 CES에 등장한 것임


Ø 모빌아이 인수로 큰 화제를 모았던 인텔은 올해 CES에서 스포트라이트를 받았는데, 인텔이 전시한 BMW 7er 모델은 은 센서 44, 카메라 11개를 탑재하고 있지만 외관상으로 보여지는 것은 단지 카메라 몇 대 정도 밖에 없었음


Ø 자율주행차 상용화가 현실도 다가오며 시장 선점을 위한 기업들 간의 경쟁도 향후 치열해 질 것임을 예고했는데, 자율주행차의 두뇌에 해당하는 데이터처리 기술을 맡고 있는 인텔과 엔비디아를 각기 중심으로 하는 진영간 대결의 양상도 나타나고 있음


Ø 자율주행차와 스마트시티 등 단순히 한 기업의 기술력만으로 온전히 구현할 수 없는 새로운 현실을 실현하기 위해서는 다양한 기업들의 협업을 바탕으로 한 생태계 구축이 필요한데, 이에 따라 이스라엘의 자동차 관련 스타트업들은 계속해서 큰 주목을 받게 될 것으로 예상됨


댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1827호(2017. 12. 20. 발행)에 기고한 원고입니다.


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

완전 자율주행 무인 택시 ‘웨이모’의 안전성 확보를 위한 여러 노력들.pdf



[ 요 약 ]


웨이모(Waymo)가 테스트 중인 완전 무인 택시는 자율주행 기술 6단계 중 5단계 진입을 뜻하는데이는 차량 안전성에 대한 책임이 사람에서 자동차 제조업체로 옮겨진다는 점에서 큰 의의가 있음안전성 책임을 떠안겠다고 선언한 셈이므로 웨이모는 안전성 확보를 위해 소프트웨어 개발하드웨어 사전 정비서비스 UI 개발 등 여러 측면에서 노력하고 있는데특히 자율주행 차량의 최적 경로 결정을 인공지능이 아닌 사람에 맡김으로써 책임 소재 규명이 가능한 구조를 선택하고 있음



[ 본 문 ]

ž 알파벳 산하 웨이모(Waymo)의 무인 택시 시범 서비스는 자동차 사고의 책임이 사람에서 자동차 제조업체로 넘어오는 단계에 진입하고 있음을 보여 줌


Ø 웨이모는 지난 11월부터는 보조 운전자가 탑승하지 않는 무인 택시 운행서비스를 전개하고 있는데, 현재 수십 개 기업이 자율주행 차량 기술을 테스트하고 있지만 위급 상황에 관여할 운전자가 탑승하지 않는 완전 자율주행 차량의 도로 주행 테스트는 웨이모가 처음임


Ø 미국자동차기술학회(SAE)는 자율주행 기술의 발전 단계를 6단계로 구분(레벨0~레벨5)하고 있는데, 전문가들은 웨이모가 5단계인 레벨4에 해당하는 것으로 보고 있음


Ø 자율운전 기술 진화의 최종 단계인 레벨5는 운전자가 어떤 주행 상황에도 전혀 개입하지 않는다고 규정하고 있으므로 사고시 책임 소재가 명확히 자동차 제조업체에 있음


Ø 그러나 다섯 번째 단계인 레벨4는 운전자가 요건이 갖춰진 경우에 한해 운전에 전혀 개입하지 않는다고 규정하고 있어 사고 발생시 법적 책임 소재에 약간의 모호성이 발생할 수 있음


Ø 레벨4의 규정은 요건이 갖춰진 경우 주행과 관련된 모든 결정은 시스템이 하며 따라서 결과의 책임이 자동차에 있음을 의미하지만, 아직 자율주행차 관련 법규가 구체적으로 제정되지 않아 정해진 조건이 무엇이 되느냐에 따라 소비자와 제조업체간 분쟁이 발생할 소지가 있음


Ø 전문가들은 뭬이모가 무인 택시로 운행되는 데서 보듯, 레벨4부터 탑승자는 승객에 불과하기 때문에 원칙적으로 제조업체의 안전운행 책임을 명문화할 필요가 있다고 보고 있음


[1] 미국 자동차기술학회(SAE)의 자율주행 기술발전 단계 구분

Level 0

(비자동화)

- 운전자가 차의 속도와 방향을 계속 통제한다

- 시스템은 주행에 전혀 영향을 주지 않는다

Level 1

(운전자 보조)

- 운전자는 차의 속도 또는 방향을 계속 통제한다

- 시스템은 주행과 관련한 다른 기능에 개입한다

Level 2

(부분 자동화)

- 운전자는 반드시 능동적으로 주행에 개입하고 주변 상황을 항상 주시한다

- 시스템은 정해진 조건에서 차의 속도와 방향을 조절한다

Level 3

(조건부 자동화)

- 운전자는 능동적으로 주행에 개입하거나 주변 상황을 항상 주시하지 않아도 되지만, 항상 직접 주행을 통제할 준비가 되어 있어야 한다

-시스템은 정해진 조건에 차의 속도와 방향을 조절하고, 기능 구현이 한계에 이르기 전에 운전자가 능동적 운전을 이어나가도록 알림으로써, 운전자가 대응할 수 있는 시간적 여유를 주어야 한다

Level 4

(고도 자동화)

- 운전자는 정해진 조건에서 운전에 전혀 개입하지 않는다

- 시스템은 정해진 조건의 모든 상황에서 차의 속도와 방향을 통제하고 능동적으로 주행을 한다

Level 5

(완전 자동화)

- 운전자는 모든 상황에 개입하지 않는다

- 시스템은 주행 중 모든 경우에 차의 속도와 방향을 통제하고 능동적 주행을 한다

<자료> Society of Automotive Engineers


ž 자율운전 차량 사고의 책임이 제조업체 쪽으로 옮겨간다면 소비자 입장에서 가장 궁금한 것은 웨이모의 안정성인데, 안정성은 결정하는 것은 우선 소프트웨어의 완성도임


Ø 웨이모의 소프트웨어는 가상 및 실제 환경으로 나누어 테스트되는데, 개발된 자율운전 소프트웨어는 우선 시뮬레이터를 통해 알고리즘을 교육하고 학습한 기능을 검증하게 됨


<자료> Waymo


[그림 1] 시뮬레이터에서 자동차 구동 모습


Ø 웨이모는 고급 시뮬레이션 환경에서 알고리즘 교육을 실시하는데, 시뮬레이터를 통해 25,000 대의 웨이모를 구동시킴으로써 매일 800만 마일의 주행 테스트를 하는 효과를 얻고 있음


Ø 시뮬레이터를 사용하면 시험 주행 거리를 늘릴 수 있을 뿐만 아니라, 실제 현실에서는 별로 발생하지 않는 이벤트도 생성해 교육시킬 수 있는데, 예를 들어 교차로에서 좌회전 신호가 깜빡이는 등 자주 발생하지 않지만 사고 연관성은 높은 신호 상황을 만들어 낼 수 있음


Ø 시뮬레이터는 실제 거리를 소프트웨어로 재현하고 있는데, 가상으로 구현된 거리는 실제 시가지를 스캔한 데이터를 바탕으로 구축된 것으로, 전용 차량에 탑재된 라이다(Lidar, 레이저 센서)를 통해 거리를 스캔한 후 정밀 3D 지도를 제작한 것임


Ø 지도에는 차선, 인도, 신호등 등이 표시되는데 여기에는 차선의 폭과 인도의 높이 등 주행 정보 가 포함되어 있으며, 그 위에 좌회전 신호가 깜박이는 교차로 등 특수 이벤트 발생 상황을 구현할 수 있음


ž 시뮬레이터에서는 조건을 다양하게 바꾸거나 환경에 변화를 추가한 후 테스트를 실행하는 퍼징(Fuzzing) 과정을 통해 소프트웨어의 완성도를 높여 가게 됨


Ø 시뮬레이터에서 조건이 구성되고 나면 가상의 거리를 자동차로 주행하는데, 이를 통해 좌회전 신호가 깜박이는 교차로에서 회전하는 연습을 하게 됨


<자료> Waymo


[그림 2] 시뮬레이터에서 교차로 좌회전 상황 학습


Ø 이 경우 자동차는 교차로에 천천히 진입하며 마주 오는 차량이 없는 것을 확인한 후 좌회전하게 되는데, 알고리즘이 개선되어 갈 때마다 동일한 조건에서 주행 시험을 반복함으로써 습득한 운전 기술의 완성도를 높여 나감


Ø 시뮬레이터의 환경에는 변화를 추가할 수 있는데, 이를 퍼징(Fuzzing)이라 하며, 가령 좌회전 신호 시에 마주 오는 차량의 속도를 바꾸거나 신호등 타이밍을 바꿀 수 있고, 새로운 조건에서도 자동차가 안전하게 좌회전 할 수 있는지 확인해 볼 수 있음


Ø 또한 실제로는 거의 있을 수 없는 상황 조건을 구현할 수도 있는데, 오토바이가 백색 차선 위를 따라 달리거나 사람이 차선 사이를 지그재그로 달리는 상황 등을 생성한 후 비정상적인 행동이 발생할 때 자동차가 어떻게 반응하는지 확인해 볼 수 있음


Ø 이처럼 웨이모 자율운전 자동차는 주요 기술을 시뮬레이터에서 배우고 연습을 거듭해 완성도를 높이고 있으며, 2016년 한 해에만 시뮬레이터에서 25억 마일을 주행했다고 하는데, 이는 지구를 10만 바퀴 돈 거리에 해당함


ž 시뮬레이션을 통과한 소프트웨어는 자동차에 탑재되어 도로 주행 테스트를 하게 되는데, 전용 서킷에서 테스트를 거친 후 실제 도로에서 시험 주행을 하게 됨


Ø 소프트웨어를 탑재한 시험 차량은 전용 서킷인 캐슬(Castle)에서 주행 테스트를 하는데, 캐슬은 구글이 공군 기지 철거 부지를 사들인 후 실제 거리 풍경을 그대로 재현한 곳임


<자료> Google Earth


[그림 3] 자율주행차 테스트용 전용 서킷 캐슬


Ø 캐슬에서 새로 개발된 소프트웨어와 수정된 소프트웨어가 검증되며 또한 드물게 발생하는 이벤트들도 시험하는데, 구조화된 테스트(Structured Tests)라 불리는 이 과정에서 약 2만 가지의 시나리오를 검증하며, 검증이 끝난 소프트웨어는 도로에서 실제 테스트를 진행함


Ø 웨이모는 지난 8년 동안 미국 전역의 20개 도시에서 350만 마일의 도로를 실제 주행했는데, 애리조나에서는 사막 환경, 워싱턴에서는 비 내리는 환경, 미시간에서는 눈 내리는 환경에서 테스트 하는 등 서로 다른 기상 조건에서 안전하게 주행 할 수 있는지 확인하고 있음


Ø 도로 주행 테스트는 또한 홍보 활동을 겸하고 있는데, 지역 주민들이 자율운전 차량을 실제 접하게 함으로써 막연한 불안감을 없애고 이해하게 만드는 것을 목표로 하고 있음


Ø 시뮬레이션 통과 후 실제 차량에 탑재 되어 전용 서킷과 실제 시가지 주행을 통해 기능과 안정성이 검증되면, 비로소 자율운전 소프트웨어는 최종 제품으로 출하가 됨


ž 이처럼 웨이모가 여러 단계에 걸쳐 다양한 소프트웨어 테스트 및 실제 주행 테스트를 거쳐야 하는 것은 자율주행차의 최적 경로를 인공지능(AI)이 아닌 사람이 결정하기 때문임



[그림 4] 웨이모의 최적 경로 결정 과정


Ø 웨이모의 소프트웨어는 주변 객체의 움직임을 예상하고 그 바탕 위에 최적의 경로를 산출하는데 이를 플래닝(Planning) 프로세스라 부르며, 플래닝을 통해 진행 방향, 속도, 주행할 차선, 핸들 조작 등을 결정하게 됨


Ø 여기서 핵심 포인트는 플래닝 프로세스에 AI를 적용하지 않는다는 것인데, 플래닝의 로직은 코딩되어 있으며 자동차의 움직임은 사람이 프로그램으로 지정하고 있음


Ø 즉 웨이모는 인간이 자율운전의 알고리즘을 파악할 수 있는 구조로 되어 있는 것인데, 이는 사고가 났을 경우 알고리즘 파악을 통해 책임 소재를 규명할 수 있는 장점이 있으나, 방대한 규칙이 정의되어야 하며 그 개념들을 검증하기 위한 대규모의 주행 테스트가 필요하게 됨


Ø 웨이모의 이런 접근 방식은 플래닝 프로세스를 AI가 담당하게 하는 엔비디아와 대비되는 것인데, 엔비디아는 AI가 인간의 운전을 보고 운전 기술을 배우는 AI Car 개발을 목표로 하고 있음


Ø AI Car는 추상적인 도로 개념을 이해해 차선이 없어도 인간처럼 운전하는 것을 목표로 하는데, 방대한 규칙의 정의가 필요하지 않고 알고리즘은 웨이모에 비해 간단해 질 수 있지만, AI의 의사결정 메커니즘은 인간이 전혀 이해할 수 없어 신뢰성의 문제가 발생하게 됨


Ø 알파고의 경우 인간이 알파고의 메커니즘을 전혀 이해할 수 없더라도 결과적으로 사람을 이기기 때문에 그 수를 보고 연구하려는 마음이 생길 수 있지만, AI Car의 경우 사고가 났을 때 AI의 판단이 사람보다 나을 테니 무조건 사람이 운전한 쪽이 잘못이라 판정할 수는 없기 때문


ž 한편 자율주행차는 무인으로 주행하기 때문에 소프트웨어 성능뿐 아니라 차량의 유지보수도 매우 중요하므로, 웨이모는 자동차 정비 전문 네트워크와 제휴를 맺고 있음


<자료> Waymo


[그림 5] 차고에서 정비 중인 웨이모 무인 택시


Ø 웨이모는 지난 11월 무인 택시 서비스 시작에 즈음해 차량 유지보수 네트워크인 오토네이션(AutoNation)과 제휴를 발표하였으며, 애리조나와 캘리포니아에서는 이미 오토네이션을 통해 웨이모의 유지 보수 서비스를 실시하고 있음


Ø 오토네이션은 미국 최대 자동차 판매기업으로 16개 주에 361개 매장을 보유하고 있으며 35개 제조업체의 자동차를 판매하고 있는데, 판매뿐 아니라 자동차 정비 사업도 전개하고 있음


Ø 웨이모는 무인 자율운전 차량이기 때문에 문제가 발생할 경우 비상등을 켜고 수리할 수 없으므로, 오류가 발생하기 전에 부품 교환을 실시하는 등 예방 정비활동 중심으로 차량 유지보수를 해야 함


Ø 비단 하드웨어에 대한 정비뿐 아니라 자율운전 차량은 고급 센서와 소프트웨어를 탑재하고 있기 때문에 이에 상응하는 소프트웨어 관리 기술도 요구됨


Ø 자율운전 차량의 기기는 고가이기 때문에 제조원가를 조기에 상각하려면 24시간 연속으로 운행하게 될 가능성이 높은데, 이런 사업모델을 지원하기 위해서라도 자율운전 자동차의 유지 보수 기술은 매우 중요함


ž 현재 자율운전 자동차의 안전에 관한 지표는 확립되어 있지 않기 때문에, 웨이모는 안전성 확보를 위해 여러 가지 관점에서 다양하게 접근하고 있음


Ø 자율운전 차량의 도로주행 테스트를 어느 조건에서 얼마만큼 해야 하는 지에 대해서는 논란이 계속되고 있으며, 아직 업계 공동의 혹은 공공기관이 정한 안정성 기준은 마련되어 있지 않음


Ø 그러나 캘리포니아 주의 경우 자율운전 차량의 도로 테스트 내용을 공표하도록 의무화 하고 있기 때문에, 그 중 자율운전 기능 해제(Disengagement) 섹션을 통해 간접적으로나마 안전성을 추정해 볼 수는 있음


<자료> Department of Motor Vehicles


[그림 6] 웨이모의 자율운전 기능 해제 횟수


Ø 자율운전 기능 해제 조치(Disengagement)가 실행되었다는 것은 자동차가 위험한 상태에 놓이게 되었다는 뜻이므로, 이를 사고 상황 혹은 자율주행차가 설계대로 작동하지 않은 결함 발생 상황으로 해석해 볼 수 있기 때문


Ø 웨이모의 자율운전 기능 해제 횟수는 2015년에 1천 마일 당 0.8회였으나 2016년에는 0.2회로 감소했으며, 2017년도 보고서는 아직 공개되지 않았지만 이런 추세가 이어졌다면 거의 발생하지 않았을 것으로 보임


Ø 웨이모는 안전과 관련하여 여러 관점에서 장치를 마련하고 있는데, 철저한 주행 시험을 반복하여 자율운전 모드에서 350만 마일을 주행시켰으며, 차량의 주요 시스템인 스티어링이나 브레이크 등을 이중화 하여 하드웨어의 고장에 대비하고 있음


Ø 운용 측면에서는 주행할 수 있는 영역을 운행 설계 영역(ODD, Operational Design Domain)로 정의해 자동차가 달릴 조건을 명확하게 파악하고 있으며, 탑승객과 인터페이스에도 신경을 써 무인 택시 승객이 사고 발생시에도 불안해 하지 않도록 기능 설계를 하였음


Ø 개발 과정과 시험 결과만 놓고 보면, 그리고 안전하게 주행 할 수 있는 환경에서만 서비스를 제공하며, 무인으로 주행하더라도 운행 제어센터에서 원격으로 모니터하고 비상 사태에 대응하고 있다는 점을 고려하면 웨이모 무인 택시는 안전하다고 평가할 수 있음


ž 안정성 확보를 위한 웨이모의 다양한 시도들은 기술을 현실에 맞추려는 기술업체들의 노력을 통해 자율주행차가 상용 서비스 단계에 본격 진입하고 있음을 보여주고 있음


Ø 그 동안 자율주행차의 상용화 시기 전망이 어려웠던 이유는 안전성에 대한 확신을 과연 어떻게 할 수 있을지에 대한 사회적 합의가 이루어지지 않았기 때문임


Ø 안전성 이슈는 단순히 사고 빈도를 얼마나 낮출 수 있느냐에 대한 것이 아니라, 긴급 상황 발생 시 대처 방안과 사고 발생 시 책임 소재 규명 및 그에 따른 보험 처리 방안까지 포함하는 사회관습적인 문제이자 법적인 문제임


Ø 웨이모는 혁신적인 자율운전 기술에 맞춘 새로운 자동차 법규나 사회적 합의를 마련해 달라고 요구하는 데 머무르지 않고, 안전성에 관한 현재의 사회적 기준에 최대한 부합하기 위한 기술 개발 방식 및 서비스 운용 방식을 채택하여 그 완성도를 높여 나가고 있음


Ø 특히 최적 경로 선택을 AI에 맡기지 않고 사람이 결정하는 방식을 택함으로써 오히려 더 지난한 테스트 기간을 자처하고, 완전 무인 자율주행 방식을 선택해 안정성과 직결된 책임의 문제를 업체가 부담하겠다고 나선 점은 결과를 떠나 높이 평가 받을 만한 지점임


Ø 자동차 해킹 등 보안 이슈도 남아 있고 안전성에 대한 문제 제기는 끝이 없을 테지만, 웨이모가 보여준 전향적인 시도들로 인해 자율주행차 상용화 시점은 한층 더 앞당겨질 전망


댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1826호(2017. 12. 13. 발행)에 기고한 원고입니다.


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

완전 자율주행 무인 택시 ‘웨이모’의 이용 방법.pdf



[ 요 약 ]


웨이모(Waymo)가 개발 중인 자율운전 차량을 무인 택시로 운행할 것임을 밝히며운전자가 탑승하지 않는 완전 자율운전 차량의 도심 주행 테스트를 시작한다고 발표웨이모 무인택시는 당분간 날씨가 좋고 도로 정비가 잘돼 있으며 보행자도 적은 애리조나주 피닉스에서 테스트 될 것이나내년부터 법규가 마련되는 다른 주로 지역을 확대하고 도로나 기후가 보다 열악한 곳에서도 테스트를 실시할 예정이어서 테스트 결과에 따라 무인 택시 시대의 도래 시기를 가늠해 볼 수 있을 전망



[ 본 문 ]



ž 알파벳 산하 자율주행차 사업 부문인 웨이모(.Waymo)는 지난 11 7일부터 완전 무인 자율주행 차량의 도로 주행 테스트를 시작했다고 발표


Ø 웨이모는 2017 4월부터 애리조나주 피닉스와 그 인접지역에서 조기 승차 프로그램(Early Ride Program)이라 불리는 자율주행차 도로 주행 실증 실험을 해왔는데, 11월부터는 보조 운전자가 탑승하지 않는 무인 택시로 운행한다고 발표한 것


<자료> ABC News


[그림 1] 웨이모의 완전자율주행 택시


Ø 현재 수십 개 기업이 자율주행 차량 기술을 테스트하고 있고, 일부 상용화되기도 했지만 위급 상황에 관여할 운전자가 탑승하지 않는 완전 자율주행 차량의 도로 주행 테스트는 웨이모가 처음임


Ø 웨이모는 올해 말까지는 피닉스 지역에서 도로주행 시험을 실시하지만 내년부터는 점차 테스트 지역을 확장해 나갈 예정이며, 미국뿐 아니라 전세계 각국 도시에 완전 자율주행 기술을 보급하는 것이 목표라 밝힘으로써 다른 나라에서도 테스트가 전개될 가능성을 내비쳤음


Ø 웨이모 계획의 현실화는 미국 각 주 및 다른 나라의 도로교통법이 관건이 될 것인데, 운전석에 사람이 없는 완전 자율주행을 허용하는 애리조나주와 달리 인근 캘리포니아만 해도 자율주행 차량에도 반드시 위급 상황에 개입할 사람이 운전석에 앉도록 규정하고 있음


Ø 법적인 문제 외에 본질적으로 안전성 이슈가 관건인데, 웨이모 측은 주 컴퓨터에 문제가 발생하는 상황에 대비해 보조 컴퓨터 등 보완 시스템을 탑재했다며 안전성에 자신을 보이고 있지만, 안전성 이슈는 웨이모가 자동차인 이상 늘 제기될 수밖에 없는 이슈임


ž 웨이모는 개인이 자동차를 소유하는 것이 아니라 공유하는 모델인 공유하는 이동성(Shared Mobility)을 핵심 가치로 삼고 있고, 그런 맥락에서 무인 택시로 테스트하는 것임


Ø 테슬라와 볼보가 개인에 자율운전 자동차를 판매하는 모델을 계획 중이라면, 웨이모는 개인에 판매하는 대신 탑승 서비스 제공을 계획하고 있고, GM, BMW, 폴크스바겐 은 개인 판매와 라이드 서비스를 함께 제공하는 하이브리드 사업 형태를 계획하고 있음


Ø 웨이모는 2017 5월 차량 공유 서비스 기업인 리프트(Lyft)와 제휴한다고 발표하며, 양사가 무인 택시의 운행 시험과 기술 개발을 함께 추진한다고 밝힌 바 있음


Ø 차량 공유 서비스 시장에서는 우버(Uber)가 압도적인 선두주자이지만, 웨이모가 우버를 기밀 정보 도용 혐의로 소송을 제기하는 등 양사는 자율운전 기술 개발을 놓고 첨예한 대립을 하고 있으며, 이런 경위 때문에 웨이모는 리프트와 제휴하는 쪽으로 급속히 방향을 틀었음


Ø 제비 한 마리가 봄을 몰고 오지는 않지만, 애리조나주에서 완전 자율주행 차량 테스트가 시작되었다는 것은 무인 택시를 이용할 날이 아주 멀지는 않았다는 것을 뜻하므로, 무인 택시 웨이모 이용에 관한 정보를 미리 알아두는 것도 좋을 것임



ž 웨이모 무인 택시는 앱을 통해 호출하여 이용할 수 있고, 승객은 차량 내부의 기능 버튼을 눌러 조작할 수 있고 디스플레이 기기를 통해 운행 정보를 확인할 수 있음


Ø 웨이모 무인 택시를 이용하려면 택시 호출 앱과 마찬가지로 스마트폰 앱을 이용해 현재 위치와 목적지를 입력하고 배차를 요청하면 됨


Ø 웨이모 택시는 크라이슬러 퍼시픽 하이브리드(Chrysler Pacific Hybrid) 미니 밴 모델을 개조한 것이며, 택시가 도착하면 이용자는 뒷자석(2)에 올라타면 됨


Ø 안전을 위한 운전자와 엔지니어가 없으므로 차량 1열은 공석이 되는데, 단 웨이모는 테스트 초기에 당분간 보조 운전자를 2열에 앉게 해 운행을 모니터링 할 것이라고 함


Ø 차내에는 무인 택시를 이용하기 위한 장치들이 설치되어 있는데, 고객의 좌석 앞(1열 좌석의 등받이 뒷부분)에는 디스플레이(In-Car Display)가 구비되어 있으며, 디스플레이는 자동차의 주행 상태가 표시됨


<자료> ars technica


[그림 2] 웨이모 무인 택시의 기능 조작 버튼


Ø 천장에는 조작 버튼이 달린 기기가 있는데 버튼은 총 네 개로 오른쪽부터 발진(Start Ride), 정차(Pull Over), 차문 잠금/해제(Lock / Unlock), 도움 요청(Help) 기능을 수행하며, 안전 벨트를 멘 후 문을 잠근 다음 발진 버튼을 누르면 자동차가 출발함


Ø 주행 중에는 좌석 앞 디스플레이에 운행 상태가 표시되는데, 화면에 지도가 표시되고 현재 위치가 아이콘으로 표시되며 주행 경로는 실선으로 표시됨


<자료> techcrunch


[그림 3] 웨이모 무인 택시의 디스플레이


Ø 주위의 객체, 즉 다른 차나 자전거 등도 표시되어 웨이모가 무엇을 보고 있는지, 어떤 판단을 내렸는지 파악할 수 있으며, 그 외 도착 예정시간과 주행시간 등도 표시됨


Ø 웨이모 택시는 운전자 없이 주행하지만 차량의 운행 상태를 웨이모 운영센터(Waymo Operations Center)에서 원격으로 모니터하고 있음


Ø 비상 사태가 발생하면 승객은 정차(Pull Over) 버튼을 눌러 차를 세운 다음 도움(Help) 버튼을 눌러 웨이모 운영센터와 연결해 담당 지원과 통화할 수 있으며, 앱을 통해서도 통화할 수 있음


Ø 목적지에 도착해 차량이 멈추면 승객은 차문 열림 버튼을 눌러 하차하면 되고, 요금은 앱을 통해 과금 되지만 조기 승차 프로그램(Early Ride Program) 테스트 기간 동안은 무료임.


ž 웨이모 택시는 운행가능 지역 내에서만 주행하게 되며 가능 지역 내에서 주행을 하다가도 주행할 수 없는 상황이 되면 자동으로 정지하도록 설계되어 있음


Ø 현재 웨이모 무인 택시는 피닉스 인근에서만 운행 중인데, 이 지역은 건조 사막 지대여서 날씨가 대체로 좋아 눈비가 거의 없으며, 비교적 신도시여서 도로 정비는 잘 되어 있는 반면 자전거나 보행자는 적은 편이어서 자율운전차가 쉽게 주행할 수 있는 환경임



Ø 애리조나주는 규제 완화를 통해 첨단기업을 유치하기 위해 주지사 행정명령으로 자율운전차의 운행을 허용했기 때문에, 애리조나는 지리적 조건뿐 아니라 법규 면에서도 자율운전차에 친화적인 지역임(캘리포니아주는 2018년부터 자율운전차 주행 허용 예정)


Ø 웨이모는 무인 택시가 달릴 수 있는 지역을 운행 설계 영역(Operational Design Domain, ODD)이라 정의하는데, 지형, 도로 유형, 기후, 주간·야간, 법규 등의 조건에 따라 주행할 수 있는 지리적 위치가 결정되며 조건을 충족하는 장소가 ODD가 됨


<자료> Waymo


[그림 4] 웨이모 주행가능지역 ODD


Ø ODD는 휴대전화의 통화권에 해당하는 것으로, 웨이모는 지도 상에 파란색으로 표시되는 ODD 지역에서만 달릴 수 있고, 음영(shade) 부분은 준비가 되는대로 달릴 수 있게 됨


Ø 웨이모는 ODD 역내를 운행하더라도 주행 할 수 없는 상황이 발생하면 안전하게 정지하도록 설계되어 있는데, 이런 상황을 최소 위험 조건(Minimum Risk Condition)이라 부름



Ø 주행할 수 없는 상황이란 눈보라나 폭우 등인데, 가령 심한 소나기를 만나면 웨이모는 안전한 곳에서 정차하게 되며 소나기가 그치고 나면 다시 운행을 시작하게 됨


Ø 그러나 소나기 때문에 주행을 멈추는 자동차는 자동차라 할 수 없기 때문에, 웨이모는 눈비가 와도 주행할 수 있도록 알고리즘 훈련을 계속하고 있으며, 빗속 주행시험은 워싱턴에서, 눈 올 때의 주행 시험은 미시간에서 진행하고 있다고 함


<자료> Waymo


[그림 5] 웨이모의 눈길 도로주행 테스트


ž 완전 무인 자율주행차이기 때문에 웨이모는 안전성 강화에 많은 노력을 쏟고 있으며, 사고 발생 시 처리 절차와 원인 분석 방법도 마련하고 있음


Ø 웨이모는 도로 교통법에 따라 운행하며 법규가 변경되면 그에 따라 소프트웨어를 업데이트하는데, 미국은 주마다 도로 교통법이 다르기 때문에 웨이모는 운행하는 주의 법령을 따름


Ø 가령 자전거 차선이 있는 교차로에서 우회전 규칙은 캘리포니아와 텍사스에서 다른데 웨이모는 이러한 차이를 알고리즘에 담고 있으며, 또한 교통 법규뿐만 아니라 그 지역 특유의 운전 관습이나 운전 스타일도 알고리즘에 반영하고 있다고 함


Ø 웨이모는 안전성 강화를 위해 차량의 주요 시스템을 이중화하고 있어 고장이 나더라도 백업 시스템에서 주행을 계속하며, 컴퓨터, 브레이크, 스티어링, 배터리 등도 이중화 되어 있음


Ø 또한 소프트웨어가 운전자를 대신해 시스템을 지속적으로 모니터링 하는데, 소프트웨어가 문제를 감지하면 차량을 일단 정차시키거나 운행을 중지하는 등의 조치를 취함


Ø 주행 중에는 운행에 관한 데이터를 수집하며 운행 중 발생한 여러 상황을 기록하고 분석하는데, 이를 통해 알고리즘을 개선하고 소프트웨어를 업데이트 하며, 사고 등의 문제가 발생했을 때 기록된 데이터를 통해 원인을 규명함


Ø 개인 프라이버시가 침해되는 상황이 일어날 수도 있으므로, 탑승자는 차량의 운행이 기록되고 있다는 점을 인식해 둘 필요가 있음


Ø 자동차에 사고가 발생하게 되면 소프트웨어가 충돌을 감지해 안전하게 정차하도록 설계되어 있으며, 운영센터에 문제가 발생했음을 알리도록 되어 있음


Ø 연락을 받은 사고 전담 직원은 경찰 및 소방서와 연락하여 사고 후 절차(Post-Crash Procedures)를 이행하게 되고, 해당 지역의 웨이모 직원은 현장으로 출동하며, 탑승자는 차내에 설치되어있는 도움(Help) 버튼을 눌러 전담 직원과 통화할 수 있음.


Ø 웨이모는 카메라로 촬영된 영상과 센서가 수집한 데이터를 사용해 사고 원인을 규명하는데, 웨이모에 문제가 있을 경우 소프트웨어를 업데이트 하게 되며, 차량 하드웨어는 수리한 후 시험 주행을 실시하여 안전성을 확인한 다음 다시 운행에 투입됨


ž 웨이모는 사고 방지 및 사고 피해 최소화를 위한 알고리즘을 탑재하고 있는데, 윤리적 이슈와 연관되는 소위 트롤리 문제 관련 알고리즘은 공개하지 않고 있음


Ø 웨이모의 사고 방지 및 사고 피해 최소화를 위한 알고리즘은 미국 교통부(NHTSA)가 미 전역에서 발생한 교통사고의 원인을 분석하여 공표한 원인 유형과 빈도 결과에 근거하고 있음


Ø NHTSA에 따르면 교통사고 중 빈도가 높은 것은 추돌 사고, 교차로 사고, 도로 이탈 사고, 차선 변경 사고이며, 웨이모는 이 네 가지를 주 대상으로 사고 방지 알고리즘을 개발했다고 함


Ø 자율운전차 논의에서는 사고의 피해를 최소화하기 위해 특정 인물을 희생하는 것이 도덕적인가를 묻는 소위 트롤리 문제(Trolley Problem)가 항상 화제가 되지만, 웨이모는 피해를 최소화하기 위한 알고리즘의 자세한 내용에 대해서는 공개하지 않고 있음


Ø 트롤리 이슈와 관련해서는, 웨이모를 포함해 모든 자율운전차 개발업체들이 사고 회피 알고리즘을 공개하고, 이를 공공기관에서 검증해야 한다는 요구가 지속적으로 제기되고 있음


ž 웨이모는 NHTSA가 요구하는 운전 기술을 학습하고 있으며, 그 바탕 위에 자율운전을 위해 필요한 것이라 자체적으로 정한 운전 기술들을 구현하고 있음


Ø NHTSA는 자율운전 차량에 필요한 운전 기능을 행위 역량(Behavioral Competencies)이라 부르며 28개 항목으로 정의하고 있으며, 사람이 운전 학원에서 운전 기술을 배우듯 자율운전 차량은 도로 주행을 위해 그러한 기능을 탑재할 것을 요구하고 있음


Ø NHTSA가 정의한 기능은 자율운전의 기본 조작에 관한 것으로 가령 제한 속도 표지판을 인식한 후 이를 준수하는 기능이 요구하고 있고, 고속도로에서는 고속으로 주행 차선에 합류할 수 있어야 한다는 것이나 긴급 차량을 감지하면 적절한 대응할 것 등을 규정하고 있음


<자료> Waymo


[그림 6] 긴급 차량의 인식 및 대응


Ø 웨이모는 차량의 라이트가 깜박이는 것과 사이렌 인식을 통해 그 객체가 소방차임을 인식할 수 있으며, 그에 따라 차선을 양보하거나 정차하는 기능을 구현하고 있음


Ø 또한 거리의 경찰관과 소방관을 인식하고 수신호에 의한 지시를 따르는 기능도 구현했는데, 일반인이 수신호로 지시하는 경우는 따르지 않음


Ø 자율운전차가 도로 교통법을 위반하는 등의 경우 경찰이 정지를 명령할 수 있는데, 경찰과 웨이모 모두 이런 상황에 대한 대응이 필요하기 때문에 웨이모는 운행지역 경찰과 제휴를 긴밀히 하여 경찰들에게 무인 택시에 대한 대응방법도 교육하고 있음


Ø , 웨이모에는 운전자가 없기 때문에 경찰들에게 비상 사태 발생시 운영센터에 연락하는 방법에 대해 설명한 것이며, 무인 택시가 본격적인 영업을 시작하게 되면 해당 지역의 경찰 및 소방서 등과 연계가 매우 중요할 것으로 예상됨


Ø NHTSA 규정 외에 웨이모는 자체적으로 정한 자율운전에 필요한 기능을 구현하고 있는데, 가령 스쿨버스를 인식할 경우 그 지역의 법규에 따라 정지 등의 조치를 취하게 되어 있음


Ø 또한 웨이모는 도로 위에 자전거와 동물을 감지할 경우 필요한 조치를 자체적으로 정의했는데, 자전거라면 평소보다 넓은 간격을 취하게 하고 동물이라면 피해가도록 하였음


Ø NHTSA 규정과 웨이모가 자체적으로 정한 자율운전 기술을 어디까지 마스터하고 있는지에 따라 자율운전차의 안전성이 결정될 것이며, 이는 또한 자율운전차의 차별화 요소가 될 것임


ž 아직 안전성 이슈, 법적 이슈, 보험관련 이슈 등이 해결되지 않았지만, 웨이모의 무인 택시 서비스 시작은 자동차 산업의 패러다임이 조만간 급속히 변할 것임을 시사


Ø 미국자동차기술학회(SAE)는 자율주행 기술의 발전 단계를 2016 5단계(레벨0~레벨4) 구분에서 2017 6단계 구분(레벨0~레벨5)으로 세분화했는데, 전문가들은 웨이모가 5단계인 레벨4에 해당하는 것으로 보고 있음



Ø 현재 무인 자율주행은 애리조나주에서만 허용되고 있지만, 이번 완전 무인 자율주행 택시 서비스의 소비자 반응 결과에 따라서는 다른 주로 확대될 가능성이 있음


Ø 웨이모의 무인 택시 서비스는 또한 다른 업체들의 행보도 가속화할 것으로 보이는데, 18개 자율주행차 제조업체의 경쟁력을 비교한 내비건트 리서치에 따르면 웨이모는 11개 기업과 함께 2위 그룹에 속해 있음


<자료> Navigant Research


[그림 7] 자율주행차 제조업체의 역량 비교


Ø 리더 그룹에는 GM과 포드가 선정되었는데, 웨이모의 발표 이후 GM 역시 2019년에 로봇 택시 서비스를 시작한다고 발표하였음


Ø 자율주행차에 대해서는 여러 법적 이슈가 제기되고 있지만, 웨이모의 무인 택시는 이제 거꾸로 의회와 관련 산업, 시민사회에 이슈 해결을 위한 논의를 서둘러 진행해 달라 요청하고 있음


댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1810호(2017. 8. 23. 발행)에 기고한 원고입니다.


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

테슬라의 저가 자율주행 전기차 ‘모델3’, 새로운 자동차 시대 개막.pdf



[ 요 약 ]


테슬라가 7월부터 고객 인도를 시작한 모델3 3만 달러 대의 전기차인 동시에 향후 소프트웨어 업그레이드를 통해 사람이 완전한 자율주행 차량이 될 것을 목표로 하고 있음차량 가격을 낮추기 위해 테슬라는 고가의 라이더 장비를 쓰지 않고 인공지능을 기반으로 카메라 센서로만 가능한 자율주행 기술을 개발했는데보급형 자율주행차의 시판이 시작됨에 따라 차량 공유전통 자동차 산업의 붕괴세금재생에너지 등 다양한 이슈에 대한 사회적 논의도 본격적으로 시작되고 있음


[ 본 문 ]

ž 테슬라(Tesla)7월부터 차량 인도를 시작한 모델3(Model 3)는 보급형 전기차라는 점과 함께 완전 자율운전 차량을 지향한다는 점에서 주목을 받고 있음


Ø 모델3는 일론 머스크 CEO가 테슬라의 모든 것을 쏟아 부었다고 말한 대중형 전기차, 지속가능한 에너지로 전환이라는 일론 머스크의 포부를 지지한 50만 명의 사람들이 1년여 전 머스크의 약속만 믿고 예약금을 납부하여 출시 전부터 유명세를 탄 바 있음


<자료> Electrek

[동영상] 테슬라의 모델3 전기차


Ø 테슬라의 기존 전기차 모델 라인업이 최소 9 5천 달러여서 사실상 부유층만 구매 가능했다면, 모델3는 일반 자동차 가격과 비슷한 수준이기 때문에 전기차의 대중화에 결정적 기폭제가 될 것으로 기대를 모아 왔음


Ø 모델3의 기본형인 스탠더드 버전의 가격은 테슬라가 지금껏 약속했던 대로 3만 달러 대인 3 5천 달러이고 장거리 운행용인 롱레인지 버전도 4 5천 달러인데, 미국 정부의 보조금을 받을 수 있기 때문에 실제 비용은 5천 달러 이상 더 낮아 짐


Ø 스탠더드 모델은 완전 충전 시 350km를 달릴 수 있고 제로백은 6초 미만에 최고 속도 시속210km이며, 롱레인지 모델은 500km 주행이 가능하고 제로백은 5초 초반에 최고 속도 시속 225km여서 일반 자동차를 대체하기에 충분한 성능을 제공하고 있음


Ø 게다가 모델3향상된 자동운전 지원 기능(Enhanced Autopilot)을 제공하고 있는데, 이 기능은 자율운전 기능으로 업그레이드 될 수 있어 모델3가 대중적 성공을 거두게 된다면 단순히 전기차 보급 확대 차원을 넘어서는 사회적 영향력을 가져올 것으로 보임


ž 모델3는 자율운전에 필요한 하드웨어 장비를 탑재하고 있으며, 소프트웨어를 업데이트 하는 것 만으로 완전 자율운전차량(레벨 5)이 될 수 있다고 함


Ø 테슬라는 완전한 자율운전 기능(Full Self-Driving Capability)의 제공을 강조하고 있으며, 이를 위해 모델S의 최신 라인업과 모델3에 필요한 장비를 탑재했는데, 센서로 자동차 주위에 8대의 카메라와 초음파 센서 12, 자동차 전면에 레이더 1개를 장착하고 있음


Ø 테슬라는 레이저 센서인 라이더(Lidar)는 사용하지 않기 때문에 카메라가 자동차의 눈이 되며, 센서 데이터들은 차량용 슈퍼 컴퓨터인 엔비디아 드라이브(Nvidia Drive) PX2로 처리됨


Ø 자율운전 기능은 향상된 오토파일럿 기능 위에 구축되는데, 자율운전을 희망하는 운전자는 우선 모델3의 기본 차체에 옵션으로 5천 달러를 내고 오토파일럿 기능을 추가해야 하며, 다시 3천 달러를 추가해 자율운전이 가능하도록 소프트웨어를 업그레이드 해야 함


Ø 8천 달러의 추가 요금을 통해 완전한 자율운전차량(레벨 5)을 손에 넣을 수 있게 되는 것인데, 테슬라는 이 기능의 제공 시기에 대해 아직 명확히 밝히고 있지 않으며 현재 완전한 자율운전 기능의 시험을 거듭하고 있는 중이라 말하고 있음


Ø 시기를 정확히 못박을 수 없는 것은 정부로부터 인가가 필요한 사안이고 따라서 자율운전 차량의 운행이 가능한 지역은 연방 정부 혹은 주 정부의 판단으로 결정될 것이기 때문


ž 테슬라는 라이더 센서 없이 저비용으로 자율운전 기능을 구현하고 있는데, 이를 위해 선택한 방식은 인공지능(AI) 역량을 강화해 소프트웨어 중심축을 둔 시스템을 구현하는 것


Ø 자율운전 차량에 탑재되는 여러 종류의 센서 중에서 가장 널리 사용되고 있는 것이 라이더인데, 라이더는 레이저 광으로 자동차 주위의 보행자나 다른 차량 등 객체를 파악하며, 다양한 조건 속에서도 안정적으로 측정 할 수 있어 가장 필수적인 센서로 받아들여지고 있음


Ø 반면 라이더는 부피가 있고, 가격이 비싸며 해상도가 충분하지 않은 것이 단점인데, 지붕에 장착하면 구급차의 사이렌 불빛을 방불케 해 디자인 측면에서 심각한 문제를 야기하며, 그 자체로 7만 달러 안팎인 부품 가격은 자율운전 차량 대중화에 최대 걸림돌로 지적받고 있음


Ø 라이더를 반도체 칩에 구현하여 소형화 한 제품이 등장하고 있기도 하지만 해상도가 충분하지 않아 아직 자율운전 차량에 탑재되지 못하고 있음


<자료> recode

[그림 2] 웨이모와 우버 차량의 라이더 센서


Ø 구글의 자회사인 웨이모(Waymo)는 이 문제를 해결하기 위해 독자적인 기술로 라이더를 개발하고 있는데, 라이더를 소형화하고 해상도를 향상시키되 가격은 기존 상용 제품의 1/10 수준으로 낮춰 자율운전 차량의 대중화를 위한 기술 기반을 닦고 있음


Ø 이와 더불어 웨이모는 비전 시스템(Vision System)이라 부르는 고성능 카메라도 개발하여 라이더와 함께 사용하고 있는데, 이런 방식은 센서 퓨전(Sensor Fusion)이라 불리며 자율운전에서는 사실상 표준 기술로 받아들여지고 있음


Ø 개별적으로는 불완전한 센서들이지만 이들을 조합하여 사용하면 전체 시스템에서는 선명한 영상을 얻을 수 있기 때문에, 센서 퓨전은 가장 안정적인 자율운전 구현 방법으로 웨이모 이외에 많은 기업들이 채택하고 있음


Ø 이런 현실에 비추어 보면 테슬라가 라이더 없이 카메라만으로 자율운전 기술을 구현하는 것도 차량 가격을 낮추는 혁신적인 방법이라 할 수 있음


Ø 딥러닝 기술을 바탕으로 카메라와 같은 일상적인 기기를 사용하여 안전한 자율운전 기술을 달성하려는 테슬라의 선택은 하드웨어가 아닌 소프트웨어에 축을 둠으로써 가격의 문제를 해결하려는 것으로, 테슬라 전기차 비즈니스의 성패를 좌우할 승부수라고 할 수 있음


ž 이런 배경 하에 테슬라는 자체 AI 개발 체제를 강화해 왔으며, 독자적인 자율주행 AI 기술인 테슬라 비전(Tesla Vision)은 테슬라 사업의 성패를 가름할 핵심 기술로 꼽히고 있음


Ø 테슬라의 독자적인 AI 기술은 테슬라 비전이라 불리는 심층신경망(Deep Neural Network)을 기반으로 구축되는데, 테슬라 비전은 차량에 탑재된 카메라로부터 영상이 입력되면 이를 분석하여 차량 주변의 개체를 파악하게 됨


Ø 기존의 컴퓨터 비전(Computer Vision) 기술을 고도화 한 테슬라 비전은 객체를 빠짐없이 정확하게 확인할 수 있어, 안전성이 최우선으로 요구되는 자동차에 AI가 시각을 담당하는 자율운전 기술의 접목을 가능케 한다고 함


<자료> Tesla

[그림 3] 테슬라 비전의 객체 인식


Ø 테슬라는 테슬라 비전을 탑재한 차량의 자율운전 데모 주행을 실시했는데, 테슬라 본사에서 출발해 다운타운을 통과해 다시 본사로 돌아오는 루트의 전 과정을 자율운전으로 주행하였음


Ø 데모 주행에서 테슬라 비전은 카메라 이미지를 분석하고 자동차 주위의 객체와 주행 경로 상의 객체, 차선, 신호등, 도로 표지판 등을 정확히 식별할 수 있음을 보여주었는데, 전문가들은 테슬라 비전의 완성도가 테슬라 자율주행 전기차 사업의 성패를 쥐고 있다고 보고 있음


Ø 이를 인정하듯 테슬라는 AI 개발 체제를 강화하고 있는데, 올해 6월에는 AI와 오토파일럿 부문에서 최고라 평가받고 있는 딥러닝 연구 전문가 안드레이 카패시를 채용하였음


Ø 또한 테슬라는 현재 판매되어 운행 중인 차량이 주행 중에 촬영하는 영상 이미지를 수집하기 시작했는데, 오토파일럿이 실행되는 동안 카메라가 촬영한 영상이 테슬라 클라우드로 전송되면, 테슬라는 수집된 이미지를 이용해 자율운전 기술을 정교화해 나가고 있음


Ø 웨이모는 개발 전용 차량으로 비디오 이미지를 수집할 수 밖에 없지만, 테슬라는 판매된 자동차들이 테스트 차량이 되어 대규모로 데이터를 수집하여 AI에 대한 교육이나 테스트에 활용할 수 있다는 것이 최대 강점임


ž 테슬라가 지향하는 완전 자율운전 차량 기술은 이용자와 차량 간의 인터페이스에도 큰 변화를 가져올 것으로 보임



Ø 모델3는 자동차 키가 별도로 없고 스마트폰이 블루투스로 도어와 통신하며 잠금과 해제를 하기 때문에 이용자가 스마트폰이 있어야만 탑승할 수 있는 구조로 되어 있으며, 다만, 긴급 사태에 대비해 전용 카드(NFC Key Card)가 제공되고 있음


Ø 운전석에는 15인치 디스플레이만 갖추고 있고 여기에서 모든 작업을 지시하는데, 최소한의 장비만 갖추고 점점 더 심플해지는 실내 디자인은 마치 애플의 제품 디자인을 연상시켜며, 자동차가 점차 컴퓨터에 접근하고 있음을 확인시켜주고 있음


<자료> Tesla

[그림 4] 모델3의 차량 내부 인테리어


Ø 테슬라는 모델3로 자율운전 할 수 있는 장소는 미국의 거의 모든 지역이라 설명하고 있는데, 탑승하여 목적지를 말하면 최적의 경로를 산정하여 그 위치까지 자동으로 주행하며, 목적지를 말하지 않으면 차량이 탑승자의 일정을 참조하여 행선지를 파악함


Ø 목적지에 도착하여 하차하면 자동차는 주차 모드가 되어 자동으로 빈 공간을 찾아 주차를 하며, 다시 차량을 이용하기 위해 스마트폰으로 자동차를 호출하면 자율주행으로 지정한 장소까지 와서 이용자를 맞이함


ž 이런 인터페이스 변화는 필연적으로 차량 소유가 아닌 차량 공유의 개념을 강화하게 되는데, 테슬라는 이미 카 쉐어링을 위한 자동차 네트워크를 개발하고 있음


Ø 지금은 차를 운전해 출근할 경우 퇴근하기 전까지 차량을 어쩔 수 없이 주차장에 주차시켜 놓아야 하며, 부분적으로 자율운전 기능을 구현한 차량이라 하더라도 현행 법률상 반드시 운전자가 탑승해야 주행이 허용되므로 주행 후에는 차량을 놀릴 수밖에 없음


Ø 그러나 완전 자율운전 차량은 탑승자를 목적지로 옮긴 후 그 곳에 계속 머무를 필요가 없으며 스스로 다른 곳으로 이동해 다른 탑승자를 태우는 일을 할 수 있어 상황이 완전히 달라짐


Ø 이런 점 때문에 자율운전 차량은 본질적으로 차량 공유 개념과 밀접하게 연관되어 있으며, 환경운동가들이 차량 감소와 주차 공간 효율화의 유력한 방안으로 자율운전 기술을 지지하고 나서는 이유가 되고 있음


Ø 테슬라는 자율운전 자동차들을 연결하는 네트워크인 테슬라 네트워크(Tesla Network)를 개발하고 있는데, 자동차가 완전 자율운전 차량이 되면 이를 통해 차량을 공유할 수 있게 될 것이라는 설명


Ø 가령 모델3 소유자는 휴가 기간이나 업무 시간대 등 자동차를 사용하지 않는 동안에 테슬라 네트워크 앱을 통해 이 차량을 다른 이용자에게 대여한다고 허용할 수 있고, 다른 이용자가 자신의 차량을 이용할 경우 임대 소득을 올릴 수 있게 된다는 것임


Ø 공유되는 차량은 자율운전으로 임차인의 위치로 직접 이동할 수 있으므로, 이용자 입장에서도 빌리는 데 전혀 수고가 들지 않는데, 테슬라 네트워크는 자율운전 자동차 시대의 카 쉐어링의 모습을 머리 속에 그릴 수 있게 해주고 있음



<자료> Tesla


[그림 5] 우버와 경쟁하게 될 테슬라 네트워크



ž 카 쉐어링 뿐만 아니라 모델3는 새로운 자동차 시대로의 전환 속도를 대폭 앞당길 것으로 보이며, 자동차 산업 구조조정, 세금, 전력 등 각종 이슈의 활발한 논의를 촉진할 전망


Ø 카메라만으로 자율운전 기술을 개발하는 것은 고가의 라이더에서 벗어나 자율운전 차량을 대중화시킬 수 있는 방안으로 전세계 연구개발팀의 공통된 목표였으며 현재 테슬라가 가장 가까운 위치에 있다고 할 수 있음


Ø 테슬라 역시 아직 완전히 기술을 달성한 것으로 보이지 않지만 시판되고 있는 차량에서 수집한 데이터로 AI 개발을 가속화하고 있기 때문에 예상보다 이른 시점에 자율주행 차량이 대중적으로 보급될 가능성이 보이고 있음


Ø 일론 머스크는 2018년에 50만 대 생산, 2020년에 100만 대 생산을 목표로 하고 있는데, 그의 계획이 실현된다면 모델3는 사회 전반에 커다란 파장과 이슈를 몰고 올 것이 자명함


Ø 모델3의 고객 인도가 시작되며 이미 고급 세단의 판매량이 줄기 시작했는데 BMW 3시리즈와 메르세데스 C클래스의 7월 미국 판매는 각각 40% 22% 감소했다고 하며, 현재 모든 예약이 실제 주문으로 이어진다면 모델3는 미국에서 가장 많이 팔린 자동차가 될 수도 있음


Ø 이는 전통적인 자동차 산업 생태계에는 엄청난 압박이 될 것이며, 자동차 업체들은 테슬라와 기술 경쟁을 해 승리하거나 테슬라의 사업이 망하길 비는 수밖에 없음


Ø 모델3 생산이 시작되자마자 미국에서는 기존 자동차의 판매 감소에 따른 휘발유세 감소를 보완할 세원으로 차량의 주행거리에 세금을 부과하는 마일리지세 논의가 시작됐는데, 마일세는 각종 센서와 통신 장치가 장착돼 주행거리 파악이 쉬운 전기차를 겨냥한 것임


Ø 전기차 대중화로 전력 부족 현상이 초래될 것에 대비한 논의도 시작되고 있는데, 블룸버그에 따르면 세계 전력 소비에서 전기차 충전이 차지하는 비율이 2040년에 8%에 달할 것으로 보임


<자료> APRS


[그림 6] 전기차에 대한 마일리지세 부과 논의



ž 테슬라의 사업에 현재 많은 위험이 존재하는 것도 사실이지만, 간과하지 말아야 할 것은 테슬라의 비전이 사람들의 마음을 움직이고 있으며 미래는 그렇게 갈 가능성이 크다는 점


Ø 테슬라의 2분기 실적 보고서에 따르면 매출은 약 27 9천만 달러로 전년 동기의 12 7천만 달러에 비해 2.2배 증가했으나 영업적자는 약 34천만 달러로 전년 동기의 2 9천만 달러 적자에 비해 적자 폭이 오히려 커졌음


Ø 적자 폭이 커진 원인은 모델3 개발과 생산 설비 확대 때문인데, 이처럼 취약한 재무구조와 로드스터, 모델S, 모델X 등 지금까지 출시된 차량들이 모두 차량 인도가 6~18개월 이상 지연된 과거 사례를 들어 모델3의 생산계획이 머스크의 바람대로 되지는 않을 것이란 분석이 많았음


Ø 자금 위기를 넘기기 위해 테슬라는 올해 7월 처음으로 15억 달러 규모의 회사채를 발행했는데, 국제 신용평가 기관인 무디스는 테슬라의 채권에 투자적격 등급 보다 6단계 아래로 평가하였고 S&P는 전체 21개 등급 가운데 16등급, 즉 사실상 망해가는 기업으로 평가하였음


Ø 그러나 정크 본드라는 평가와 달리 테슬라는 보통의 회사채들보다도 훨씬 낮은 수익률에 목표를 상회하는 18억 달러를 조달하였으며 2019년까지 현금 유동성을 확보하였음


Ø 전통적인 평가 기준과 달리 투자자들은 테슬라의 비전에 전폭적인 지지를 보내고 있는 것이며, 적자 폭이 늘어나는 것과 무관하게 올해 들어 테슬라의 주가는 70% 이상 급등하였음


Ø 비전이 사람들의 마음을 움직이는 것은 그것이 구체적인 것으로 받아들여질 때인데, 가령 모델3의 출시로 전기차 충전에 의한 전력 부족 문제에 대한 이슈가 제기되면, 태양광 패널업체 솔라시티를 26억 달러에 인수한 테슬라의 결정은 사람들에게 구체적 액션 플랜으로 인정받게 됨


Ø 보급형 자율주행 전기차의 등장과 태양광 패널로 테슬라는 이미 미래를 현실로 보여주었으며, 이는 이제 거스를 수 없는 흐름이 될 가능성이 높기 때문에, 미래를 준비하기 위한 생각과 발걸음의 속도에 더 이상 여유가 없다는 점을 직시할 필요가 있음

댓글을 달아 주세요

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1791호(2017. 4. 12 발행)에 기고한 원고입니다. 


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

구글 독자 레이저 센서 개발_자율주행차 부품 가격 대폭 인하.pdf



[요 약]




[본 문]


ž 알파벳(구글의 지주회사)의 자회사인 웨이모(Waymo) CEO 존 크라프칙은 지난 1월 디트로이트에서 개최 된 북미국제오토쇼(NAIAS)에서 최신 자율운전 기술에 대해 발표


Ø 웨이모는 2016 5월 크라이슬러와 자율주행차를 공동 개발하기로 합의하고, 퍼시피카 하이브리드(Pacifica Hybrid) 모델을 기반으로 자율운전 미니 밴인 웨이모 자율주행 퍼시피카(Waymo Self-Driving Pacifica) 100대를 생산하고 있음



<자료> NAIAS

[그림 1] 북미국제오토쇼에 참가한 웨이모


Ø 디트로이트 북미국제오토쇼는 올해 처음으로 부속 전시회인 오토모빌리-D(Automobili-D)를 열고 자율주행, 커넥티드 카, 전기차, 이동수단 서비스, 도심 이동 수단 등 5개 주제와 관련한 기술 전시와 세미나를 진행하였음


Ø 존 크라프칙은 오토모빌리-D의 세미나에 등단하여 레이저 적외선 레이더(Laser Imaging Detection and Ranging) 등의 센서를 중심으로 최신 자율주행 관련 기술 동향을 발표


Ø 존 크라프칙은 2008년부터 5년간 현대자동차의 미국 법인 사장을 지낸 인물이며, 이후 자동차 구매 온라인 플랫폼 트루카(TrueCar.com) 사장을 거쳐 2015 9월부터 웨이모 CEO를 맡고 있고, 타임지가 선정한 2016년 자동차 기술 분야의 가장 영향력 있는 인물론 선정된 바 있음


ž 웨이모와 크라이슬러가 개발 중인 미니 밴은 현재 최고 수준의 자율운전 차량으로 평가받고 있는데, 웨이모가 자체 개발한 하드웨어 패키지(Hardware Suit)를 탑재한 것이 특징


Ø 초기 웨이모는 다른 기업이 개발한 센서와 프로세서를 이용하고 있었는데, 가령 라이다(LiDAR)의 경우는 여느 자율운전 개발 기업들과 마찬가지로 이스라엘의 벨로다인(Velodyne)이 개발한 최고급 라이다 모델인 HDL-64E를 채택하였음



<자료> Velodyne


[그림 2] 벨로다인의 레이저 적외선 레이더(라이다)


Ø 그러나 이 제품은 웨이모가 판단하기에 기능적인 제약이 있으며, 가격은 75,000 달러로 웬만한 고급 차량 가격을 웃도는 문제가 있어 웨이모는 라이다를 포함한 센서 부품들을 자체 개발하기로 결정하였음


Ø 자율운전 차량 상용화의 가장 큰 걸림돌은 가격이 아직 너무 높다는 점인데, 그 이유는 벨로다인의 라이다 가격이 매우 고가임에도 사실상 독점 공급이라 개발업체들이 가격을 크게 낮출 방안이 없기 때문


Ø 이런 이유로 구글은 자체 개발 스마트폰인 픽셀(Pixel)용 부품을 자체 개발하고 있는 것처럼, 자율주행차 개발에서도 소프트웨어뿐 아니라 하드웨어도 함께 개발한다는 방침을 세웠다고 함


Ø 센서는 자율운전 자동차의 두뇌인 AI(인공지능)와 밀접하게 통합되어 있으며, 센서를 구성하는 각 구성 요소들이 AI에 의해 제어되면서 하나의 모듈처럼 기능하게 되는데, 존 크라프칙은 구글의 AI와 웨이모의 자체 개발 고정밀 센서가 결합해 자율운전 기술이 크게 진화했다고 설명


ž 웨이모가 자체 개발한 센서 패키지는 라이다, 비전 시스템(Vision System), 레이더로 구성되는데, 기술 향상을 통해 보행자의 행동 예측 정확도를 높인 것이 특징이라고 함


Ø 미니 밴의 지붕에는 작은 돔이 탑재되는데 여기에 라이다, 비전 시스템, 레이더가 포함되며, 이와는 별도로 자동차의 앞뒤 네 귀퉁이에 레이더와 라이다가 설치되는데, 모퉁이에 설치되는 라이다는 돔에 설치되는 것과는 다른 유형임


Ø 센서 패키지에서 핵심은 라이다로, 라이다는 레이저 스캐너를 통해 자동차 주위의 오브젝트를 3D로 파악하는데, 실제 보행자와 사람의 사진을 구별할 수 있다고 하며, 정지해있는 개체를 파악하고 개체까지의 거리를 정밀하게 측정





<자료> Cool Hunting


[그림 3] 웨이모 자율주행 자동차의 3가지 센서(라이다, 비전 시스템, 레이더) 부착 위치


Ø 자율운전 자동차는 복잡한 시가지를 주행하기 때문에 다양한 객체를 감지할 필요가 있는 것이며, 이런 이유로 라이다가 핵심 부품인 것이고 가격이 높게 형성될 수밖에 없음


Ø 존 크라프칙에 따르면 웨이모의 라이다가 맹점이 없고 자동차 주변의 보행자 모두를 감지 할 수 있으며, 또한 해상도가 높아 보행자가 어느 방향을 향하고 있는 지까지 판정 할 수 있어 보행자의 행동 예측 정확도가 크게 향상되었다고 함


ž 웨이모는 세 가지의 라이다를 탑재하고 있다고 하며, 먼 거리의 객체를 인식하는 데 필요한 장범위 라이다의 경우 특허 출원이 되어 있음


Ø 웨이모의 미니 밴에 탑재되는 첫 번째 유형의 라이다는 단범위 라이다(Short Range Lidar)로 자동차의 전후 좌우 네 곳에 설치되어 주위의 객체를 인식하는데, 자동차 근처에 있는 어린 아이 등을 파악하며 해상도가 높아 자전거를 타고 있는 사람의 손 신호까지 읽을 수 있다고 함


<자료> Waymo

[그림 4] 웨이모의 장범위 라이다 특허


Ø 또 하나는 장범위 라이다(Long Range Lidar)로 차 지붕의 돔 내부에 탑재되며 멀리 있는 객체를 줌인 할 수 있어 약 200미터 앞에 있는 객체의 헬멧을 식별할 수 있는 정도라고 하는데, 웨이모가 신청한 특허를 보면 독특한 구조로 되어 있으나 자세한 추가 설명은 하고 있지 않음


Ø 장범위 라이다는 일반 라이다와 가변 방식의 라이다, 두 개의 모듈로 구성되는데 일반 라이다는 고정되어 있어 설정된 범위 내에서 스캔을 하며, 가변식 라이다는 FOV(스캔 가능 각도, Field of View)를 바꿀 수 있다고 함


Ø 특허를 보면 줌 렌즈를 이용해 특정 부분을 클로즈업 하도록 가변식 라이다의발광 레이저 빔을 좁은 범위로 스캔 하면 작은 물체도 판정 할 수 있다고 하는데, 이 특허가 실제 센서 부품에 어떻게 구현되어 있는지는 아직 웨이모 측의 구체적 설명이 없음


ž웨이모는 비전 시스템 역시 자체 개발했는데, 이 센서는 특히 어두운 상태에서 객체를 인식하는 데 중요한 기능을 하기 때문에, 이 역시 자율주행차에 핵심 부품이 됨


Ø 비전 시스템은 차량의 돔에 탑재되는데, 다이내믹 레인지를 갖는 광각 카메라의 집합체로 8 개의 비전 모듈(Vision Module)로 구성되며 차량 주위의 360도를 커버함


Ø 비전 시스템은 신호등이나 도로 표지판을 읽는 데 사용되며, 8개의 고정밀 센서로 구성되기 때문에 로드 콘(road cone) 같은 작은 물체도 먼 곳에서 감지할 수 있게 해줌


Ø 또한 다이내믹 레인지가 넓어 어두운 곳에서부터 밝은 곳까지, 즉 약간 어둑한 주차장에서부터 직사광선에 노출되는 눈부신 상황에서까지 다양한 조건에서 이미지를 인식 할 수 있게 해줌


Ø 일반 카메라는 사람과 마찬가지로 빛의 상태에 따라 보이지 않는 상태가 발생하는데, 비전 시스템은 이런 문제를 해결하기 위해 개발된 것으로 태양광이 직접 카메라에 들어가는 상태에서도 객체를 파악할 수 있음


ž 웨이모는 20년 동안 기술 발전이 별로 없었던 레이더 기술도 크게 향상시켰음


Ø 일반 레이더는 앞쪽 방향의 좁은 범위를 커버하지만, 웨이모의 레이더는 차량 앞쪽 측면과 지붕 뒤쪽 날개에 탑재되어 차량 주위 360도를 연속해서 커버하며, 안개 낄 때나 비와 눈이 올 때 등의 경우에 다른 센서를 보완하는 기능을 함


Ø 또한 일반 레이더는 앞쪽 차량의 움직임을 파악하기 위해 사용되지만, 웨이모의 레이더는 차량 외에 보행자나 자전거도 감지하며 이동 속도가 느린 객체도 정밀하게 감지 할 수 있음


ž 웨이모가 개발한 라이다, 비전 시스템, 레이더의 성능을 절대 평가할 수는 없지만, 무사고 주행거리 등의 지표를 통해 간접 평가해 보면 안정성 향상에 진전을 이룬 것으로 보임


Ø 웨이모의 자율주행 미니 밴은 누적 250만 마일을 주행했는데, 시가지를 중심으로 주행 시험을 진행하고 있으며 올해 5월경에 누적 300만 마일에 도달할 것으로 예상


Ø 도로 테스트 이외에도 웨이모는 시뮬레이터를 통한 주행 시험도 지속하고 있는데, 2016년에만 10억 마일을 주행했다고 함


Ø 시뮬레이터는 다양한 주행 상태를 재현할 수 있다고 하는데, 자동차 주행이 어려운 상황이나 운전 중 거의 발생하지 않는 상황을 시뮬레이터로 생성할 수 있어 시뮬레이터를 통한 주행 테스트는 자율주행 차의 소프트웨어의 개선에 큰 기여를 하고 있음


Ø 자율운전 차의 성능은 얼마나 먼 거리를 운전자의 관여 없이 자율주행 할 수 있는지, 즉 시험 주행 중에 드라이버의 자동 모드 해제(Disengage)가 얼마나 적게 발생하는 지 등의 지표를 통해 간접적으로 평가할 수 있음


Ø 1000 마일 주행 중 몇 번이나 해제가 발생했는지를 나타내는 지표를 보면, 웨이모의 경우 2015 0.80회에서 2016 0.20 회로 크게 낮아졌으며, 따라서 안전성이 순조롭게 개선되고 있는 것으로 추정해 볼 수 있음


Ø 2016년의 결과 수치를 보면 5000 마일 주행에 한 번 정도 문제가 발생하고 있다는 것인데, 이는 사람이 직접 운전하는 것과 비교할 때 결코 불안하다고 할 정도는 아니지만, 인명과 관련되는 차량 사고의 특성상 한층 더 개량이 요구된다 볼 수 있음


ž 웨이모의 자체 개발 센서에서 기능 개선보다 더 주목할 점은 바로 가격인데, 라이다의 경우 기존 상용 제품의 10% 수준이어서 자율운전 자동차 상용화의 결정적 계기가 될 전망


Ø 자율운전 자동차의 핵심 센서인 라이다의 경우 벨로다인이 75,000 달러에 제공하는 반면, 웨이모가 개발한 라이다는 7,500 달러로 무려 90%나 낮은 가격임


Ø 이렇게 되면 자동운전 차량 개발에서 센서의 선택 양상이 크게 달라질 수 있는데, 개발업체 중에는 테슬라처럼 라이다의 가격이 너무 높기 때문에 구매 가능한 상용화 가격 수준을 맞추기 위해 라이다는 장착하지 않고 카메라와 레이더로만 센싱하는 경우가 적지 않음


Ø 현재 자율운전 차량의 개발에는 라이다와 카메라를 모두 사용하는 것이 이상적이며, 어느 하나만을 단독으로 사용하는 것은 아직 기술적으로 무리라 알려져 있지만, 사실상 독점 공급인 라이다의 가격이 너무 높아 부득이 제외하고 자율운전 차량을 개발하려 시도해 보는 것임


Ø 그러나 웨이모의 센서가 벨로다인 제품과 성능 면에서 차이가 크지 않으면서 10분의 1 가격 수준에서 제공된다면 안정성과 정확도를 높이기 위해서 라이다를 선택하지 않을 이유가 없는 것이며, 라이다의 가격 파괴로 자율운전 기술 방식은 라이다 중심으로 굳어질 가능성이 높음


ž 웨이모의 자체 센서 개발은 자율운전 자동차의 공급망에 큰 변화를 가져올 전망이며, 구글로서는 자율운전차 시장을 석권할 수 있는 강력한 무기를 얻게 될 것으로 보임


Ø 어느 제조업 분야에서건 만일 기존 핵심부품을 대체할 수 있는 것이 10 1 가격으로 제공된다면 산업의 공급망은 완전히 새롭게 재편될 수밖에 없을 것이며, 그 부품을 공급하는 업체가 완성품까지 제조하는 경우라면 산업 전체를 석권할 수 있는 강력한 무기를 얻게 될 것임


Ø 웨이모가 바로 그런 경우로, 자율운전차 제조의 핵심 센서들을 매우 낮은 가격에 독점적으로 제공할 수 있다면 공급망을 독점하게 될 것이며, 타 업체에는 공급하지 않고 자체 개발 차량에만 사용한다면 완성차 시장에서 비교할 수 없는 가격 우위를 점할 수 있게 될 것임


Ø 이런 면에서 올해 2월 웨이모가 라이다 기술 보유업체인 '오토 모터스(Otto Motors)'와 오토의 모회사인 우버를 상대로 제기한 소송의 결과는 향후 자율운전차 산업과 부품 산업에 큰 영향을 미칠 전망


Ø 우버는 2016 8월 오토 모터스를 6 8천만 달러에 인수하며 오토 모터스의 창업자인 앤서니 레반도프스키를 우버의 자율운전차 개발 책임자로 임명했는데, 우버가 설립된 지 얼마 되지도 않은 벤처기업을 거액에 인수한 이유는 라이다 기술을 보유하고 있었기 때문


Ø 그런데 앤서니 레반도프스키는 오토 모터스 설립 전에 구글의 자율운전차 개발 핵심 멤버였고, 이 때문에 웨이모는 우버가 부정한 방법으로 자신들이 개발한 라이다 기술을 입수했다고 소송을 제기한 것


Ø 우버는 웨이모의 소송 제기에 대해 구글이 우버의 자율운전차 기술 개발을 지연시키려는 술책이라 강하게 비판하며 전면전을 펼치려는 자세를 보이고 있음


Ø 앤서니 레반도프스키라는 인물을 중심에 놓고 보며 웨이모와 우버의 라이다 기술은 유사할 것으로 추측해 볼 수 있으며, 웨이모와 함께 세계 최대 택시 배차업체가 된 우버가 저가의 라이다를 탑재한 차량을 출시한다면 자율운전차의 상용화는 급진전 될 것으로 기대해 볼 수 있음


Ø 반면 산업 내적으로 보면 자율운전차의 공급망은 물론 완성차 시장의 선점을 놓고 구글과 우버가 일대 격돌을 벌이게 될 것임을 짐작해 볼 수 있으며, 라이다 기술을 놓고 벌어진 양측의 소송이 어떻게 진행되느냐에 따라 자율운전차 시장 판도는 크게 변화할 것으로 보임

댓글을 달아 주세요