2004년 부터 DARPA에서 시작된 자율주행차...사용된 AI 기술은 무엇일까 VIDEO: Full Self-Driving


자율주행차, 'DARPA 사막 대실패' 20년 뒤의 모습은


2004년 미 국방부 국방고등연구계획국(DARPA) '그랜드 챌린지 2004'에서 자율주행차 첫 선보여


IoT, 센서, 이동통신, 머신비전 등 다양한 AI기술 활용해 상용화 단계 진입 눈 앞에

'부분자율주행(레벨1~3)'은 오케이, '완전자율주행(레벨 4~5)'은 글쎄...

구글 알파벳 자회사 웨이모, 완전 자율주행 활용 로보택시 사업 재개

현대차, 미 자율주행 기업 앱티브와 합작해 2022년까지 로보택시 상용화 목표

사회ㆍ문화적 합의ㆍ체계와 환경적 인프라, 사고 대비 등 기술 외 해결 과제 산적


    인공지능(AI)은 상당히 넓은 분야를 아우르는 기술입니다. 소프트웨어(SW), 클라우드, 빅데이터, 컴퓨팅 등 다양한 정보통신기술(ICT)을 이용하기 때문에 기술 활용 범위가 매우 방대합니다. 그렇다면, AI는 도대체 무엇일까요?


‘AI가 궁금해!?’는 이 질문에서 출발합니다. 어려운 개념을 소개하기보다 최대한 기초적이고 필수적인 AI 지식ㆍ정보를 독자 여러분과 공유하고자 합니다.


현재까지 가장 높다고 하는 테슬라의 자율주행기술 Electrek

edited by kcontents


AI를 이루는 기술은 무엇이며 AI가 구현할 수 있는 세상은 어떤 모습일 지 궁금한 독자 여러분께 'AI가 궁금해!?'가 보탬이 되길 바랍니다.



2004년 3월 모래 바람이 부는 사막 한가운데 쭉 뻗은 도로. 십여 대의 자동차가 나란히 출발선에 섰습니다. 미 국방부 국방고등연구계획국(DARPA)에서 개최한 '그랜드 챌린지 2004'의 모습이죠.


미국 캘리포니아주에 위치한 모하비 사막에서 DARPA는 처음으로 대중적 경진대회 그랜드 챌린지 2004를 열었습니다. 이 챌린지를 계기로 약 240km의 도로 주행이 가능한 '자율주행차'를 만들겠다는 목표였죠. DARPA는 참가 신청한 자동차 중 완주 가능성이 높은 15대를 선별하고 상금 100만달러를 걸어 챌린지 대회를 진행했습니다.


대회 결과는 어땠을까요? 네, 최악이었습니다. 시작부터 차량 2대가 그 자리에 멈춰버렸고 1대는 출발과 동시에 뒤집혔습니다. 당시 선두로 달리던 카네기멜론대학 Red Team의 자율주행차 '샌드스톰'은 U자형 도로에서 트랙을 벗어나 그대로 제방에 충돌했습니다.


'DARPA Grand Challenge 2004'에 참여한 카네기멜론대학의 '샌드스톰' (사진=William Red L. Whittaker, 'DARPA Grand Challenge Technical Paper')


결국, 챌린지의 목표를 이룬 자동차는 한 대도 없었습니다. 미국 과학잡지 파퓰러 사이언스는 그랜드 챌린지 2004를 'DARPA의 사막 대실패'라고 표현했을 정도입니다.


하지만 챌린지가 정말 실패했을까요? 당시 참가팀들은 대회를 끝내고 자축하며 자신의 차량이 어떻게 달릴 수 있었는지 생생하게 설명합니다. 또 몇 팀은 기술 개발에 자극을 받죠.


그렇게 1년 뒤 다시 열린 그랜드 챌린지 2005에서 스탠포드대학과 카네기멜론대학이 각각 대회 우승과 준우승을 따내며 성공적으로 대회를 마감합니다. 챌린지 이후 민간 기업이 자율주행차에 관심을 보이면서 관련 기술 개발도 활성화하기 시작하죠.


DARPA의 사막 대실패 이후 16년이 지났습니다. 현재 자율주행차 기술은 사물인터넷(IoT), 센서, 이동통신, 머신비전 등 다양한 인공지능(AI) 기술을 활용해 상용화 단계에 가까워지고 있습니다.


자율주행차를 실현하는 다양한 기술이 어떤 역할을 하는지 궁금합니다.


'자율주행차'는 정확히 무엇인가요?

▲인지 ▲판단 ▲제어 세 단계를 거쳐 운전자 개입없이 스스로 환경을 인식하고 갈 길을 결정, 이동할 수 있는 자동차입니다.


2018년 과학기술정책연구원(STEPI)에서 발표한 '자율주행차 사업화의 쟁점과 정책 과제'에 따르면, 인지 단계는 주변의 행인ㆍ차선ㆍ신호처럼 차량 주행에 있어 반드시 인식해야 할 모든 데이터를 수집하는 단계입니다.




이후 판단 단계에서 수집한 데이터를 바탕으로 AI 알고리즘과 빅데이터 분석 등을 활용해 교통량이나 도로 상황을 종합 분석한 뒤 차량 속도ㆍ경로를 결정합니다.


결정이 끝나면, 제어 단계에 돌입합니다. 차량 엔진과 브레이크 등을 조절하는 자동 전자 제어 기술로 차량을 움직이거나 정지시킬 수 있습니다.


미국자동차공학회에서 제시한 '자율주행 기술 개념'


자율주행차는 특정 자동차를 지칭하는 말이 아닙니다. 차량의 자율주행 기술에 따라 레벨별 기술 수준을 구분지을 뿐이죠. 각 레벨간 기술 구현 난이도 차이가 크기 때문에 자율주행 레벨을 한 단계 높일 때마다 고도화한 기술력을 필요로 합니다. 업계는 대부분 미국자동차공학회에서 발표한 자율주행 기술 개념을 따르고 있습니다.


자율주행 기술은 레벨 1~3 수준의 '부분자율주행'과 레벨 4~5 수준인 '완전자율주행' 두가지로 나뉩니다. 부분자율주행의 경우 기술 구현이 쉽고 사회ㆍ문화적 시스템 변화를 최소화하지만, 과도기적 기술로 안전 문제 발생 가능성이 높고 편익이 제한적입니다.


완전자율주행은 미래 이동수단 기술 개선ㆍ확보에 실질적 효과를 창출할 수 있으나 복합적이고 고도화한 기술을 요구하기 때문에 많은 시간ㆍ비용이 필요하죠.


자율주행차에서 활용하는 기술은 무엇이 있나요?

자율주행차는 AIㆍ빅데이터ㆍIoTㆍ센서 등을 활용합니다. 다양한 기술의 집약체라고 할 수 있죠.

대표적 기술로 머신 비전 카메라, 레이더ㆍ라이다, GPS, 차량 통신(V2X) 등을 꼽을 수 있습니다.


머신 비전 카메라 기술은 인간의 시각 기능처럼 기계가 카메라를 이용해 특정 물체를 보고 인지할 수 있도록 한 기술입니다. 차량 안에 설치한 이미지 프로세서, 소프트웨어(SW) 등이 영상 처리ㆍ분석 과정을 거쳐 작업 수행이 가능한 데이터를 제공합니다.


레이더와 라이다는 차량 주변 환경을 인식하는 센서 기술입니다. 레이더는 전자파를 쐈을 때 물체에 부딪혀 돌아온 반사파를 측정, 물체 방향ㆍ거리ㆍ속도를 파악합니다. 하지만 라이다는 근적외선을 활용해 거리를 측정합니다.


레이더는 전방 물체와의 거리를 식별하는 데 활용하며, 라이다의 경우 차량 주변 360도를 스캔합니다. 비교적 근거리 내 차량ㆍ사람ㆍ도로를 식별할 수 있죠.


자율주행차에 활용하는 센서별 역할과 장ㆍ단점


라이다와 카메라 기술은 악천후에 취약하지만 레이더의 경우 물체 종류를 정확히 인식하는 데 어려움이 있습니다. 각종 센서별로 장ㆍ단점이 다르기 때문에 자율주행차는 다양한 센서를 결합해 활용합니다.




V2X는 차량과 차량, 차량과 주변 교통 시스템 등이 서로 실시간 통신해 주행에 필요한 정보를 주고 받는 기술입니다. V2X를 실현할 경우 주변 차량의 속도ㆍ위치를 파악해 최적의 속도ㆍ거리를 유지합니다. 또 중앙교통시스템과 통신해 자신의 위치를 파악하고 교통상황변화, 예상도착시간 등을 실시간 파악할 수 있습니다.


V2X는 통신 시스템이기 때문에 이동통신 기술이 필요합니다. 스마트폰을 이용할 때 통신이 약할 경우 인터넷이 끊기죠? V2X 기술도 마찬가지입니다. 생명을 담보로 한 기술인 만큼, V2X 구현을 위해서는 원활하고 빠른 이동통신 기술을 구축해야 합니다.


마지막으로 '동시적 위치 추정과 지도 작성(SLAM : Simultaneous Localization And Mapping)' 기술이 있습니다. SLAM은 인지 단계에서 획득한 모든 정보를 바탕으로 스스로 주변 환경을 인식해 주변 환경 지도를 작성하고, 자신의 위치를 정확하게 파악하는 기술이죠.


우리가 길을 잃었을 때 지도 앱을 켜면, GPS가 내 위치를 알려주죠? 이후 우리는 가야할 길을 확인하고 내 주변 상황을 살핍니다. 머릿 속으로 지도를 그리며 내 위치를 정확히 파악하려고 하죠. SLAM을 이 단계로 비유할 수 있습니다.


이외 인지 데이터를 효율적으로 분석ㆍ판단할 수 있는 AI 알고리즘과 자동차 전자 제어 기술 등이 필요합니다.




자율주행차는 언제쯤 상용화할 수 있을까요?

지난 11일 로이터를 비롯한 주요 외신은 구글 알파벳 자회사 웨이모가 미국 애리조나주 피닉스시 일부 지역에서 완전 자율주행을 활용한 로보택시 사업을 재개한다고 전했습니다. 웨이모는 단순 실증을 넘어 로보택시 사업에 따른 수익 창출을 기대하고 있는 모양입니다. GM 자회사 크루즈(Cruise)도 백업 운전자 동승이 필요 없는 ‘완전 무인자율’ 주행차를 허가받아 내년부터 샌프란시스코 시내를 달린다고 합니다. 


(사진=셔터스톡)


하지만 자율주행차 상용화는 단순히 기술 개발만으로 가능한 것이 아닙니다. 기존 인류 삶의 패러다임을 변화시킬 수 있는 만큼 자율주행을 구현할 사회ㆍ문화적 합의ㆍ체계와 환경적 인프라도 필수 확보해야 합니다. 




앞서 설명했듯이, 자율주행차는 통신 기술을 이용하기 때문에 통신이 끊기지 않도록 촘촘한 통신망을 구축해야 합니다. 또 다양한 교통 신호와 통신할 수 있도록 기존 신호체계 정비도 필요하죠.


사고가 났을 때도 대비해야 합니다. 자율주행차량사고에 적합한 보험체계를 확보하고 사고 책임ㆍ보상ㆍ배상 범위를 규명할 법ㆍ제도 정비도 이뤄져야 합니다. 


자율주행차와 AI 분야 정책 연구를 수행한 장필성 STEPI 부연구위원은 "자율주행차 기술 수준을 단일한 척도로 판단할 수 없다"고 설명했습니다. 자율주행 구현에 다양한 기술을 활용하고 있고 제조사별로 추구하는 자율주행 기술ㆍ목표가 다르기 때문입니다.


기존 자동차 제조사의 경우 운전자보조기능(ADAS)을 바탕으로 부분 자율주행차를 우선 개발하는 점진적 방향을 취했습니다. 웨이모를 비롯한 정보통신기술(ICT) 기업은 고가의 라이다 센서나 고정밀 지도를 활용해 완전 자율주행차 개발을 목표로 하고 있습니다.


자동차 제조사와 ICT 기업 간 협력 개발 시도도 눈에 띕니다. 미국 자동차 제조 기업 포드는 20일(현지시간) 자율주행 시범차를 선보였습니다. 단종한 퓨전 하이브리드 세단을 개조해 이달부터 자율주행 시범 주행을 시작한다고 알렸죠. 또 자율주행 스타트업 아르고 AI와 파트너 계약을 체결, 2022년에 자율주행차 사업부를 출범할 계획이라고 합니다.


앞서 6월에 하드웨어 기업 엔비디아는 자동차 업체 메르세데스-벤츠와 함께 차량용 컴퓨팅 시스템을 개발, 레벨 4 수준의 차량 앱을 구축하겠다고 밝혔죠.




현대자동차의 경우 지난 3월 미국 자율주행 기업 앱티브와 합작법인 모셔널을 설립하고 2022년까지 로보택시를 상용화할 것이라고 했습니다.


장 부연구위원은 "국내 산업기술수준조사에 따르면, 최고 수준 원천 기술을 보유한 유럽과 비교해 약 1.4년 정도의 격차가 존재한다"면서 "완성차 부품 제조, SW, 통신 등 개별 기술에 있어 경쟁력을 가졌으나 라이다, 카메라 등 핵심 부품 관련 SW는 외산 의존도가 높은 편이다"라고 지적했습니다. 이어 "여러 연구를 종합해볼 때 국내 업체의 자율주행 기술력은 해외 경쟁업체와 비교해 다소 뒤처진 편"이라고 평가했습니다.


일부 전문가는 향후 물류 분야에서 자율주행 기술 상용화가 활발할 것으로 전망하고 있습니다. 실제로 국내 산업 부지나 항만에서 부분 자율주행기술을 활용하고 있습니다.


해외의 경우 스웨덴 자율주행차 스타트업 아인라이드의 자율주행 전기 트럭 ‘아인라이드 포드’는 스웨덴 남부 욘코핑에 있는 독일 물류그룹 DB 셴커 시설에서 창고와 터미널 사이 공용 도로를 주행했죠.


장필성 부연구위원은 "자율주행차는 인건비를 절약할 수 있고 24시간 운송이 가능하기 때문에 물류 산업에 막대한 영향을 줄 것이다"라며 "대중교통을 비롯한 모든 운송 사업에서 자율주행 기술이 막대한 경제성을 가져올 것이다"라고 전망했습니다.

김재호 기자 jhk6047@aitimes.co


출처 : AI타임스(http://www.aitimes.com)




Full Self-Driving  KCONTENTS

댓글()