인공지능
AI at the Wheel: 인공지능이 자율주행 차량의 진화를 이끄는 방법
약 200년 전만 해도 독특한 기능을 갖춘 고품질 차량은 일반인에게 상상조차 할 수 없었지만, 그 이후 우리는 크게 발전했으며 전기 및 하이브리드 차량이 일상 생활의 일부가 되었습니다.
오늘날 자율주행 차량(AV)은 자동차 혁신을 선도하고 있으며, 많은 화제와 기대 속에 주류에 진입했습니다. 하지만 그것이 무엇이며, 어떻게 차량의 모습을 바꾸고 있을까요? 한번 살펴보겠습니다!
자동차 자동화 살펴보기
자율주행 차량(AV)은 기술을 사용해 인간 운전자를 부분적으로 혹은 완전히 대체하고, “자동 파일럿” 모드에서 미리 정해진 목적지까지 스스로 주행하는 차량을 말합니다. 동시에 이러한 AV는 교통 상황에 대응하고, 도로 위험을 피하며, 더 높은 안전성을 제공합니다.
이 차량들이 사용하는 다양한 기술에는 센서, 레이저, 레이더, 어댑티브 크루즈 컨트롤, 액티브 스티어링, ABS(잠김 방지 제동 시스템), 그리고 GPS 내비게이션 기술이 포함됩니다.
미국 자동차공학회(SAE)에 따르면, 인간 개입 정도에 따라 자율주행 차량은 여섯 단계로 구분됩니다. 이 분류는 미국 고속도로 교통안전국(NHTSA)에서도 사용하고 있으며, 다음과 같습니다:
Level 0: 차량이 스스로 제어할 수 없으며, 모든 운전은 인간 운전자가 수행합니다.
Level 1: 차량의 고급 운전자 지원 시스템(ADAS)이 스티어링과 제동을 지원합니다.
Level 2: ADAS가 특정 상황에서 가속과 제동을 담당하지만, 인간 운전자는 여전히 모든 작업을 수행하고 주행 내내 환경에 집중해야 합니다.
Level 3: ADAS가 특정 조건에서 운전 작업 전부를 수행할 수 있지만, 필요 시 인간 운전자가 제어를 인계받아야 합니다. 현재 이 수준의 자율주행이 실현되고 있습니다.
Level 4: 차량의 고급 운전자 지원 시스템이 특정 조건에서 인간의 주의나 도움 없이 모든 작업을 수행할 수 있습니다.
Level 5: ADAS가 모든 상황에서 운전과 관련된 모든 작업을 완전 자동으로 수행합니다. 이 단계에서는 완전 자동화가 달성됩니다.
자율주행 차량은 편리함과 삶의 질 향상이라는 이점을 제공합니다. 또한 신체적 장애인과 노인에게 독립성을 부여합니다. 교통 혼잡 감소, 운송 비용 절감, 주차 공간 확보, 그리고 CO₂ 배출량 대폭 감소와 같은 잠재적 효과도 기대됩니다.
하지만 자율주행 차량에 대한 많은 기대에도 불구하고, 아직 기대했던 성공을 거두지는 못했습니다. 그렇다면 문제는 무엇일까요?
자율주행 차량이 직면한 과제
자율주행 또는 무인 차량은 최근 몇 년간 수십억 달러 규모의 투자를 끌어모았지만, 출시 지연과 고객 채택 지연이라는 여러 난관에 부딪히고 있습니다. 이제 이 차량들이 직면한 주요 과제들을 살펴보겠습니다.
복잡한 주행 환경
AV가 도로 표지판, 신호등, 도로 위 물체의 움직임을 추적하기 위해 사용하는 시스템은 완벽하지 않으며, 특히 실제 상황을 이해하는 데 한계가 있습니다.
예를 들어, 새 무리가 도로에 앉아 있을 경우 인간 운전자는 차량이 전진하면 새가 날아갈 것이라고 판단하지만, AV는 불필요하게 멈추거나 급제동할 수 있습니다. 또한 다른 운전자의 손동작이나 눈맞춤과 같은 복잡한 사회적 상호작용을 감지하지 못해 앞서 나가라는 신호를 놓칠 수 있습니다.
게다가 현재 AV는 도로에 표지판이 없을 때 안전하게 행동하지 못합니다. 이는 AV가 다양한 국가의 어느 위치에서도 최대 정확도로 작동하지 못한다는 것을 의미합니다.
만약 승객이 지도 시스템에 포함되지 않은 장소를 방문하고자 하면, AV가 방향을 잃어버려 어려움을 겪을 수 있습니다. 이를 해결하려면 복잡한 3차원(3D) 경로 지도가 필요하지만, 이를 구축하고 정확성을 확보하는 데 많은 시간이 소요됩니다.
악천후
악천후는 AV에게 큰 도전 과제입니다. 이 차량들은 카메라(물체 식별), 레이저(거리 측정), 레이더(속도 및 이동 방향 측정) 등 다양한 센서를 사용합니다.
데이터가 수집된 후 시스템은 판단을 내리지만, 눈, 안개, 폭우 등은 센서가 정상적으로 작동하기 어렵게 만듭니다. 따라서 악천후는 AV의 감지 정확도를 떨어뜨려 사용자 안전을 위협합니다. 또한 강우량이 많거나 물, 기름, 얼음, 파편 등으로 차선 표시가 가려지는 문제도 존재합니다.
비용
AV의 또 다른 큰 문제는 비용입니다. 라이다와 레이더와 같은 센서는 고가이며, 라이다는 아직 거리와 해상도 사이의 적절한 균형을 찾는 중입니다. 따라서 “같은 도로에 여러 대의 AV가 있을 경우 라이다 신호가 서로 방해가 되지 않을까?”라는 질문이 제기됩니다.
책임
AV와 관련된 또 다른 큰 질문은 사고 책임입니다. AV가 일으킨 사고에 대한 책임은 누구에게 있을까요? 특히 완전 자율 단계의 차량은 비상 상황에서 인간이 조작할 수 있는 스티어링 휠이 없기 때문에 이 문제는 더욱 중요해집니다. 또한 보험 문제도 이 차량들에게는 아직 불투명한 영역입니다.
법률 및 규제
AV가 주류에 진입했음에도 불구하고, 이를 둘러싼 법률 및 규제는 여전히 부족합니다. 최근 미국에서는 연방 차원의 가이드라인에서 주별 규제로 전환되는 추세입니다.
“좀비 차”의 증가를 방지하기 위해 일부 주에서는 마일당 세금을 제안하기도 했으며, 모든 AV에 비상 버튼을 설치하도록 하는 법안도 논의되고 있습니다.
Cybersecurity
고도로 연결된 교통 시스템과 5G 도입으로 데이터 프라이버시와 사이버 보안 역시 중요한 문제로 떠올랐습니다. 예를 들어 2015년, Fiat Chrysler 1,400만 대의 차량을 리콜하여 해킹 및 원격 제어 위험을 해결했습니다. AV는 소비자 데이터 프라이버시를 침해하지 않을 뿐만 아니라 해커로부터 데이터를 보호해야 합니다.
Infrastructure
AV를 도로에 보급하려면 인프라에 대규모 투자가 필요합니다. AV는 명확한 차선 표시, 데이터 저장소, 그리고 보다 견고한 충전 네트워크가 필요합니다. 이는 도시 예산에 큰 영향을 미칩니다. 따라서 공공 투자와 지역사회·산업 협력이 필요합니다.
AI가 자율주행 차량의 미래를 열다
이러한 모든 과제에 직면해 인공지능(AI)이 주도적으로 해결책을 제시하고 있습니다.
자동차 산업은 최근 새로운 기술의 등장으로 급속히 발전하고 있습니다. AI는 자동차 산업이 변혁하는 데 기여하는 기술 중 하나입니다. 본질적으로 AI는 기계를 더 똑똑하게 만드는 기술이며, 인간의 지능을 기계에 시뮬레이션해 인간처럼 사고하고 행동하도록 합니다.
AI는 차량이 물체를 인식하고, 다음에 일어날 일을 예측하며, 예상치 못한 상황에 대응하도록 도와주고, 복잡한 교통 상황에서 인간 운전자보다 더 뛰어난 주행을 가능하게 합니다. Statista에 따르면, 전 세계 자동차 AI 시장 규모는 2025년까지 745억 달러에 이를 것으로 예상됩니다.
NHTSA 연구에 따르면, 시야·청각 장애와 같은 인간 오류가 전체 교통 사고의 약 93%를 차지합니다. 센서와 알고리즘 형태의 AI를 AV에 적용하면 보다 안전하고 보안된 교통 수단을 제공해 인간 오류로 인한 사망자를 크게 줄일 수 있습니다. AI는 환경을 학습하고 적응함으로써 복잡한 도로와 상황을 보다 능숙하게 처리합니다.
AI는 AV에 다음과 같은 방식으로 활용되고 있습니다:
- 차량에 분석 기능을 부여해 다른 운전자와 보행자의 행동을 예측하고, 문제를 사전에 방지합니다.
- 머신러닝을 활용해 라벨이 지정된 데이터셋으로 모델을 학습시켜 객체 인식 및 모델링을 지원하고, 라벨이 없는 데이터셋으로 이상 탐지·복잡 상황 이해·특징 추출을 돕습니다.
- AV는 카메라, 라이다, 레이더, 초음파 센서 등으로 주변 정보를 수집합니다. AI 알고리즘은 이 데이터를 분석해 상세 지도와 의사결정을 생성합니다.
- 자연어 처리(NLP)를 활용해 음성 인식을 통해 승객과 상호작용합니다. AI는 인간의 질문을 이해하고 효과적으로 응답합니다.
- 실시간 센서 데이터를 기반으로 현장 판단을 가능하게 하여, 감속 혹은 정지를 최적의 대응으로 선택합니다. AI는 교차 교통 감지, 사각지대 모니터링, 신호등 연동, 비상 제어 등에서 뛰어난 성능을 발휘합니다.
전반적으로 AI는 실시간 데이터 수집, 객체 탐지·식별, 궤적 최적화, 도로 상황 탐색, 고장 예측 등을 지원합니다. 이러한 AI 활용 사례는 교통량 감소, 에너지 절감 가속, 접근성 향상, 효율성 증대, 안전성 향상을 가져옵니다.
이미 전 세계 자동차 제조사들이 이 기술을 적용하고 있습니다. 예를 들어, Tesla의 Autopilot 10년 넘게 30억 마일 이상을 주행했습니다. Elon Musk의 Tesla는 정교한 AI 알고리즘을 활용해 정밀한 제어를 구현합니다.
Waymo 역시 AI 기반 자율주행 시스템을 활용해 복잡한 경로 계획과 환경에 대한 지능형 반응을 구현하고 있습니다. 이 회사는 시뮬레이션에서 수십억 마일을 주행 테스트했습니다.
Daimler의 디지털 어시스턴트, Audi의 R10 e‑tron SUV, Mercedes‑Benz의 EQR4 자율주행 시스템 등도 대표적인 사례이며, BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia, Ford 등도 AI 분야에 크게 기여하고 있습니다.
2023년이 AI의 돌파구가 된 이유와 앞으로 기대할 점을 보려면 여기를 클릭하세요.
자율주행 차량 분야에서 가장 중요한 AI 돌파구
2023년은 AI가 예술, 금융, 의료, 교육, 기후 변화, 연구, 투자, 그리고 자율주행 차량까지 다양한 분야에 영향을 미친 위대한 해였습니다. 이제 자율주행 차량 분야에서 2023년 가장 중요한 AI 돌파구들을 살펴보겠습니다.
최근 인천대학교(INU) 연구진은 새로운 엔드‑투‑엔드 3D 객체 탐지 시스템을 개발했습니다. 이 시스템은 딥러닝 기반이며 사물인터넷(IoT)과 연계돼 악조건에서도 AV의 탐지 능력을 향상시킵니다.
카메라·라이다·레이다와 같은 센서가 장애물·날씨·복잡한 도로에 취약하다는 문제를 해결하기 위해, 연구팀은 YOLOv3(You Only Look Once) 알고리즘을 IoT와 결합해 3D 객체를 식별하도록 개조했습니다.
제안된 시스템은 RGB 이미지와 포인트 클라우드 데이터를 입력으로 받아, 경계 상자를 출력하고 라벨링해 장애물을 식별합니다. 이 시스템은 다양한 물체를 감지하고 규모·회전 변화를 모두 처리할 수 있습니다.
Lyft 데이터셋을 활용한 테스트 결과, 제안 시스템은 높은 정확도와 낮은 지연 시간을 보였습니다. 팀은 이 시스템이 자율주행 외에도 감시, 로봇공학, 게임 등 다양한 분야에 적용될 수 있다고 밝혔습니다.
또 다른 프로젝트인 Helm.ai는 AI 돌파구를 통해 운전자 의도를 예측하고 최적 경로를 계획합니다. 로봇·차량 자동화를 위한 AI 소프트웨어를 개발하는 이 회사는 이를 통해 L2/L3 및 L4 배치를 확장 가능하게 만들었습니다.
이 회사의 DNN 기반 기반 모델은 독자적인 Deep Teaching 기술을 활용해 실제 주행 데이터를 학습시켜 복잡한 주행 환경에 대응합니다.
현재 모델은 주변 차량·보행자를 분석해 다양한 도시 상황에서 그들의 행동을 정확히 예측하고, 그에 따라 AV가 가장 효율적이고 안전한 경로를 생성하도록 돕습니다. 이 플랫폼은 다양한 하드웨어 구성과 원활히 연동되며 효율적인 학습·검증을 지원합니다.
“우리 소프트웨어 플랫폼은 도시 환경의 핵심 인식 문제를 해결하고, AI 기반 의도 예측·경로 계획의 확장 가능한 개발·검증을 가능하게 합니다.”
– Vladislav Voroninski, Helm.ai CEO
올해 전기차 선두주자 Tesla도 Full Self‑Driving(FSD) 소프트웨어에서 진전을 이루었습니다. 최신 버전인 12(v12)는 레벨 4·레벨 5 자율주행에 한 걸음 더 다가가게 합니다.
2028월에 Musk는 FSD v12가 차량을 완전 자율 주행하게 하고, 평행 주차·신호등 준수·원형 교차로 주행 등 다양한 작업을 수행하는 모습을 시연했습니다. 이 버전은 AI 기반 자체 학습 신경망에 크게 의존한다는 점이 특징입니다.
이는 인간 프로그래머가 각 주행 시나리오에 대한 코드를 하드코딩하는 대신, AI가 Tesla 차량에서 수집한 방대한 데이터를 분석해 가장 적절한 대응을 선택한다는 의미입니다.
이러한 발전은 Tesla가 로봇택시 사업이라는 광범위한 목표에 한 걸음 더 다가가게 하며, Ark Invest에 따르면, 비관적인 시나리오에서도 연간 2000억 달러(가장 낙관적인 전망에서는 6000억 달러) 이상의 매출을 창출할 수 있다고 합니다.
올해 초에는 카메라 기반 열영상 시스템인 HADAR(Heat‑Assisted Detection and Ranging)가 AV 분야에 도입되었습니다. HADAR는 미시간 주립대와 퍼듀대 연구진이 AI를 활용해 열 신호를 해석, 광학 잡음을 뚫고 선명한 이미지를 제공하도록 개발했습니다.
그들의 AI 모델은 상업용 적외선 카메라에서 데이터를 수집해 물체와 주변 환경의 물리적 특성을 인식하고, 이를 통해 야간에도 선명한 장면을 재구성합니다.
이 시스템은 열 복사 패턴·물질 형성·온도를 높은 정확도로 감지할 수 있어, 비접촉식 공공 보안 검사·어두움에 대한 두려움 극복 등 다양한 잠재적 활용이 가능합니다. 다만 장비 비용과 실시간 보정 필요성은 여전히 과제로 남아 있습니다.
Ford Motor Company는 전적으로 소유한 자회사 Latitude AI를 설립해 손을 떼고 눈을 떼지 않는 자동 운전 시스템을 개발하고 있습니다. 이 자동차 거인은 이미 Ford BlueCruise를 통해 5천만 마일 이상의 손을 떼는 주행 데이터를 확보했습니다.
Latitude를 통해 고속도로 장거리 주행이나 정체 구간 등 지루하고 스트레스가 많은 상황을 자동화하려는 것이 목표입니다. Ford의 최고 기술 책임자 Doug Field는 다음과 같이 말했습니다:
“우리는 자동 운전 기술을 사람과 차량 사이의 관계를 재정의하는 기회로 보고 있습니다.”
맺음말
보시다시피 인간의 도움 정도에 따라 자율주행 차량은 운전자 보조 자동화, 부분 자동화, 고도 자동화, 완전 자동화, 그리고 완전 자율 차량 등 다양한 범주로 나뉩니다. AI의 도입으로 AV가 최종 단계에 도달할 가능성이 그 어느 때보다 가까워졌습니다.
자동차 산업에서 AI 시장의 미래는 매우 밝습니다. 2022년에는 60억 달러를 넘어섰으며, 2032년까지 연평균 55% 성장해 6,500억 달러 규모에 이를 것으로 전망됩니다.
센서 기술·컴퓨팅 파워·예측 유지보수 솔루션 등 AI 알고리즘의 발전은 자율주행 차량이 직면한 과제를 더욱 해결하고 주류 채택을 촉진할 것입니다!
