“자동차란 기계와 인간의 유대는 참 신비롭단 말이지.”

월등한 지능을 가진 자동차가 등장하는 영화, <트랜스포머>에 나오는 대사다. 그도 그럴 것이 자동차는 사람이 직접 들어앉아 작동시키며 한 몸처럼 움직인다. 그 안에 머무는 시간도 길기 때문에 사람은 자동차라는 기계를 ‘친구’처럼, 때론 ‘안식처’처럼 느낀다.

오늘날, 인간과 자동차의 유대는 더 밀접해지고 진화했다. 운전자의 손끝이 닿지 않고도 운전자의 바람대로 차량이 통제되는, 이른바 자율주행차 시대가 도래한 것. 안전한 자율주행을 위해 자동차는 도로 상황, 보행자 여부, 주변 환경 등 다량의 정보를 수집해 처리한다. 정보 처리속도가 더 빨라져야 함은 말할 것도 없다. 운전의 수고가 사라진 자동차 안에서 사람들은 인포테인먼트 시스템을 이용해 여가를 즐기거나 휴식을 취한다.

이 모든 걸 가능케 하는 그 중심엔 반도체 기술이 있다. 보다 안전한 자율 주행을 위해 DRAM, NAND 등 자동차용 메모리 솔루션의 역할이 더 중요해지는 상황. 삼성전자는 작년 8월, AI·5G·바이오·반도체 중심의 전장부품을 4대 미래 성장사업으로 선정하고 집중 육성할 계획을 밝힌 바 있다. 삼성전자 자동차용 반도체 메모리 솔루션의 미래와 기술력을 아래 영상에서 확인해 보자.

[1]대역폭(bandwidth)은 일정시간 동안 전송되는 데이터의 양을 뜻하며, 높을수록 데이터 전송속도가 빠름

지금처럼 내비게이션이 널리 보급되기 전, 사람들은 새로운 곳을 찾아가려면 큰 지도책을 펼치고 어떤 곳이 가장 좋을지 고민해야 했다. 초보 운전자에게 지금 어느 도로를 달리고 있는지, 어떤 길로 빠져야 하는지 따위를 판단하는 일은 결코 쉽지 않았다. 자연히 남보다 지름길을 쉽게, 빨리 찾는 사람은 ‘운전 잘하는 사람’으로 여겨졌다.

이후 위성항법장치(GPS) 수신기가 보급되면서 지도책은 내비게이션 단말기에 그 자리를 내줬다. 가고 싶은 장소를 입력한 후 안내에 따라 운전하기만 하면 목적지에 도착하게 해주는 내비게이션의 신통함은 운전자에게 ‘어디든 갈 수 있다’는 자신감을 안겼다. 오늘날은 스마트폰이 내비게이션 자리를 점차 대신하고 있다. 스마트폰은 최신 지도를 기반으로 실시간 교통 정보까지 반영해주므로 보다 빠르고 정확한 길 안내가 가능하다.

운전자에게 지도책이나 내비게이션의 도움이 필수이듯 자율주행 자동차도 목적지까지 스스로 운전하려면 자체적으로 이해할 수 있는 지도가 필요하다. 그런데 여기서 몇 가지 의문이 생긴다. 자율주행 자동차도 요즘 내비게이션 수준의 지도만 있으면 운행이 가능할까? 아니면 자율주행 자동차엔 특별한 지도가 필요할까? 이번 칼럼의 주제는 자율주행에 필요한 핵심 기술인 ‘정밀지도’, 그리고 ‘위치 추정’이다.

#1. 정밀지도: 자율주행 자동차의 ‘눈’

지난 칼럼에서 자세히 언급했듯 자율주행 자동차를 만들 때 가장 어려운 과제 중 하나는 주행 환경 인지 능력을 갖추게 하는 것이다. 물론 자율주행 자동차엔 카메라·레이더(RADAR)·라이다(LIDAR)·초음파센서 등이 탑재돼 주변 환경 측정과 관련 데이터 확보가 가능하다. 하지만 각각의 데이터를 처리해 주변 환경에 어떤 정보가 있는지 실시간으로 분석하는 건 기술적으로 만만찮은 숙제다. 또한 차량에 장착된 인지 센서는 아무리 값비싼 것이라 해도 상황에 따라 가시거리(可視距離)가 사람 눈보다 짧을 수 있다. 다시 말해 운전 환경 정보는 실시간으로 처리하기 힘들고 인지 거리에도 제한이 적지 않다.

환경 인지 센서 장착한 측량 차량 ‘필수’

만약 자율주행 자동차가 운행 전 특정 센서를 활용, 주행에 필요한 데이터를 획득하고 오랜 시간과 노력을 들여 분석한 후 어딘가에 저장해놓고 필요할 때마다 꺼내 쓸 수 있다면 어떨까? 자율주행 시스템 컴퓨터는 사용자 차량 근방의 환경 정보만 찾아 다운로드하면 되므로 엄청난 양의 센서 데이터를 실시간으로 처리해야 하는 부담을 줄일 수 있다. 또 환경 정보가 미리 구축된 곳에 한해 센서가 도달할 수 없는 영역 정보도 맘껏 꺼내 쓸 수 있다.

이처럼 ‘컴퓨터가 이해할 수 있는 도로 환경 정보를 데이터베이스 형태로 미리 저장해둔 것’을 디지털 지도라 한다. 특히 자율주행용 디지털 지도는 단순 내비게이션 지도보다 더 자세한 정보를 담고 있단 의미에서 ‘정밀지도’ ‘HD(High Definition)지도’ ‘HAD(Highly Automated Driving)지도’라고도 부른다.

아직 표준이 확고히 정해지지 않아 정밀지도에 포함된 정보 내용은 공급자별로 달라질 수 있다. 하지만 통상 자율주행 정밀지도는 자율주행 시스템에 필요한 3차원 도로 환경 정보를 10㎝ 내지 20㎝ 수준의 정확도로 제공한다. 이때 ‘3차원 도로 환경 정보’는 △차선 정보 △가드레일 △도로 곡률·경사 △신호등·표지판 위치 △교통 표식 등 기존 내비게이션 지도에 포함되지 않은 요소까지 아우른다. 이들은 자율주행 자동차의 인지 시스템을 보완하는 ‘또 하나의 눈’으로서 자율주행 판단, 제어에 사용된다.

이 같은 정밀지도를 구축하려면 각종 환경 인지 센서를 장착한 특수 목적의 측량 차량이 필요하다. 스트리트뷰(street view) 생성용 측량 차량을 떠올리면 이해가 쉬울 것이다. 이 차량엔 다양한 장치가 탑재돼 있다. △고정밀 GPS △관성항법장치(INS) △360도 카메라 △3차원 레이저 스캐너 등이 대표적이다. 앞선 두 장치는 지도 제작 기준이 될 수 있는 측량 차량 위치를 센티미터 수준으로 정확하게 얻기 위한 용도, 뒤의 두 장치는 주변 도로 환경 데이터를 수집하기 위한 용도다.

측량 차량은 정밀지도가 필요한 지역을 직접 운행하며 주행 도로의 위치와 환경 데이터를 수집한 다음, 후(後)처리 작업을 통해 자율주행에 필요한 각종 정보를 추출한다. 이렇게 수집된 정보는 인터넷과 연결된 클라우드 기반 지도 데이터베이스에 저장되고, 자율주행 자동차는 도로를 주행할 때 인터넷이나 차량 통신을 통해 이를 내려 받아 쓸 수 있는 구조다.

관건은 모든 정보 공유되는 플랫폼 탑재

클라우드 데이터베이스로 관리되는 자율주행 정밀지도는 도로 형태나 표식 등 움직이지 않는 환경 정보뿐 아니라 공사(사고) 구간이나 차량 흐름 등 시시각각 변화하는, 살아있는 정보도 제공할 수 있다. 시간에 따른 변화까지 반영되는 만큼 가장 효율적으로 목적지에 도착할 수 있게 돕는다.

목적지에 빨리 도착하기 위해 중요한 건 ‘가장 짧은’ 도로가 아니라 ‘가장 안 막히는’ 도로다. 아무리 짧은 도로라도 꽉 막혀 있다면 먼 길을 돌아가는 것보다 훨씬 오랜 시간이 소요된다. 물론 지금도 라디오 교통방송이나 스마트폰 내비게이션을 통해 실시간 교통상황 정보를 제공 받을 수 있긴 하지만 개인이 해당 정보를 기반으로 어떤 판단을 내릴지 알 수 없기 때문에 교통 체증 없는 도로로의 경로 탐색은 종종 실패로 그친다.

‘내가 가야 하는 길이 막힌다’는 정보를 접한 이들은 자신의 패를 감춘 채 게임을 시작한다. 라디오나 내비게이션에서 “길 A가 막히니 길 B를 추천한다”고 안내하면 ‘다들 B로 갈 테니 오히려 A를 택하는 게 낫지 않을까?’라고 생각해 그리 행동하는 것이다. 이런 게임에서 불확실성을 최소화하는 방법은 차량 전체가 동등한 정보를 공유하고 자신의 선택을 투명하게 공개해 모두가 최대 이익을 얻을 수 있도록 하는 것이다.

만약 자율주행 자동차에 모든 정보가 공유되는 정밀지도 플랫폼이 탑재된다면 자율주행 시스템은 사람의 직관에 의한 판단이 아니라 실시간 교통 데이터에 의한 경로 판단으로 탑승자가 가장 빠르고 정확한 길을 찾아가게 해줄 것이다. 그뿐 아니다. 정밀지도 플랫폼은 연비 좋은 차량 운행 계획에도 유용하다. 교통 신호 예측 기반 운전 계획이 한 예다.

운전자는 교통 신호가 언제 바뀔지 알 수 없기 때문에 빨간색 신호등에 즉각적으로 반응, 차량 속도를 늦춘다. 하지만 즉각적 감속은 차량의 운동에너지를 (브레이크의) 열에너지로 빠르게 바꾸고, 주행과 무관한 열에너지 발생은 불필요한 차량 에너지 소모의 원인이 된다. 하지만 정밀지도로 공유되는 실시간 신호 정보로 교통 신호를 예측할 수 있다면 자율주행 자동차는 브레이크를 덜 밟으면서도 안전하게 감속하는 운행 계획을 세울 수 있다.

이 밖에도 정밀지도엔 도로 곡률·경사 정보가 포함돼 있기 때문에 해당 정보를 활용하면 에너지 소모가 가장 적은 경로를 예측하고 운행을 계획할 수 있다. 무엇보다 자율주행 자동차는 인간 운전자와 달리 계획된 운전 경로를 정확히 지키며 작동하므로 연비 향상에 효과적이다. 따라서 자율주행 자동차가 하이브리드카나 전기차와 함께한다면 에너지 절감 측면에서 좀 더 큰 상승 효과를 기대할 수 있을 것이다.

#2. 위치 추정: 정밀지도의 핵심 기술

지도는 있는데 자신이 지도 위 어디에 있는지 모른다면 그 지도는 무용지물일 것이다. 마찬가지로 정밀지도를 자율주행에 활용하려 할 때 제일 중요한 건 차량의 지도상 위치를 정확히 찾아내는 기술이다. 수십 센티미터 정확도의 정밀지도를 활용하려면 자율주행 자동차의 위치 추정 기술 역시 차량 위치를 수십 센티미터 이내로 알아내야 한다.

내·외적 센서 정보 융합, 보완하는 방식

위치 추정에 쓰이는 기술은 크게 두 가지다. 내적 센서를 사용하는 방법이 하나, 외적 센서를 사용하는 방법이 다른 하나다. 인체를 예로 들면 내적 센서는 평형 기관이나 걸음 수에 해당한다. 인간은 자신이 어디 서 있었는지 기억하면 눈을 감고 있어도 걸음 수와 평형기관 감각으로 어디까지 이동했는지 추정할 수 있다. 하지만 이 방법은 이동 거리나 횟수가 늘수록 감각기관 오차에 의해 점차 부정확해진다. 이때 활용되는 기관이 바로 눈(目)이다. 눈을 통해 자신이 어느 공간에 있는지 인지하고, 특정 랜드마크를 찾아 그 정보를 기반으로 머릿속에 지도를 만들어낸다. 그 지도와 (눈으로 본) 랜드마크를 다시 일치시켜 지도상 위치도 파악해낸다.

자율주행 자동차도 정밀한 위치 추정을 위해 내·외적 센서를 모두 사용한다. 전자 중 대표적인 게 관성측정장치(IMU)와 주행거리측정장치(Odometry)를 활용한 추측항법(Dead reckoning)이다. 3차원 가속도계와 회전 속도계, 운전대 각도(또는 주행 거리) 센서 정보를 합쳐 사용자가 이미 알고 있는 시작점을 기준으로 움직인 거리와 방향을 찾아내는 방식이다. 하지만 이 방법엔 단점이 있다. 센서 측정 값에 약간만 오차가 있어도 시간이 지날수록 오차가 점점 커지는 것.

외적 센서는 차선이나 표지판, 건물 표면과 연석처럼 시간이 지나도 변하지 않는 도로 위 특징을 추출한다. 이렇게 추출한 랜드마크를 정밀지도에 저장된 정보와 일치시켜 지도 위 사용자 차량 위치를 추정해낸다. GPS도 똑같은 원리로 구동된다. 위성 신호를 통해 위성까지의 거리를 측정하고 위성 신호 내 궤도 정보와 일치시킴으로써 4개 이상의 위성 신호만 있으면 차량의 현재 위치를 수 미터 내에서 추정할 수 있다. 외적 센서에 기반을 둔 위치 추정은 누적 정보 오차가 없는 대신 인식 가능한 랜드마크가 존재하거나 지도에 포함됐을 때에만 사용할 수 있다. 요컨대 두 방법 모두 단점이 존재하기 때문에 자율주행 자동차는 내·외적 센서 정보를 융합, 보완하는 위치 추정 방식을 사용한다.

개별 자율주행차 ‘측량’ 목적으로 쓸 수도

정밀지도가 자율주행 자동차의 인지 능력을 보완하고 경로 계획을 효율적으로 만들어주긴 하지만 숙제는 아직 남아있다. 가장 시급히 해결해야 할 문제는 대규모 정밀지도 구축과 데이터베이스 관리에 필요한 시간과 비용이다. 정밀지도를 구축하려면 고가 장비를 갖춘 측량 차량 여러 대가 (지도가 필요한 지역의) 도로 곳곳을 일일이 탐색해야 한다. 이 과정에서 수집된 데이터는 그 자체로 의미를 갖지 않는 단순 측량 정보이기 때문에 이후 특수 소프트웨어나 수(手)작업 등 후처리 공정을 통해 유의미한 정보를 추출해야 한다. 이 작업은 기존 항공 측량 기반 지도 구축 작업보다 시간도, 돈도 더 많이 든다.

정밀지도에 수록된 정보를 항상 신선한 상태로 유지, 보수하는 일도 만만찮다. 도로 환경은 계절이나 날씨에 따라 수시로 바뀐다. 공사 상황이나 사고, 노후화 등에도 영향을 받는다. 이런 변화를 지도에 반영하기 위해 측량 차량이 끊임없이 돌아다니고 그 과정에서 도출된 데이터를 분석해 도로 환경 정보를 업데이트한다 해도 방대한 도로 정보 전부를 최신 상태로 유지하는 덴 한계가 있다.

이를 극복하기 위해 한편에선 자율주행 차량 내 환경 인지 시스템을 활용하는 방법이 대안으로 떠오르고 있다. 자율주행(또는 일반) 차량에 장착된 센서가 측량 차량 센서처럼 정밀하진 않지만 여러 차량의 인지 정보를 십시일반으로 수집, 융합하면 정밀지도에 적합하면서도 최신 상태의 정보 상태를 유지할 수 있다. 즉 인지 센서를 갖춘 차량이 정밀지도를 이용하는 동시에 정밀지도의 구축과 유지·보수를 위한 측량 차량 역할까지 수행하는 것이다.

이 절차를 좀 더 정확하게 정리하면 이렇다. 우선 △인지 시스템을 장착한 여러 대의 자율(일반)주행 자동차가 환경 정보를 취득한 후 △이를 클라우드에 올리면 △클라우드 컴퓨팅에 의해 지도 정보 변화가 검출되고 △변화 결과에 대한 새 지도가 만들어진 후 △그 내용이 다시 정밀지도에 반영되는 것이다. 이처럼 수많은 차량에서 추출된 데이터를 활용, 클라우드 기반으로 정밀지도가 운영된다면 지도 업데이트에 드는 비용이나 시간을 상당 부분 절감할 수 있다. 나 역시 이런 흐름에 발맞춰 올해 세계가전박람회(CES)에서 ‘자율주행 차량 내 라이다(LIDAR)를 통해 스스로 학습하는 클라우드 기반 위치 추정/지도 생성 시스템’을 시연했다.

만약 기술 혁신을 통해 자율주행 자동차가 주변 교통 환경을 모두 인지할 수 있게 된다면 오늘날 운전자들이 사용하는 수준의 내비게이션 지도만으로도 자율주행이 가능해질 전망이다. 하지만 그런 알고리즘이 어느 날 갑자기 출현할 가능성은 적은 만큼 당분간은 정밀지도가 자율주행의 인지·판단·경로계획 시스템을 보완해주리라 생각한다. 아울러 이 같은 위치 추정(과 지도 생성) 기술이 완전 자율주행의 실현을 좀 더 앞당길 수 있길 기원한다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

자율주행차의 역사는 생각보다 꽤 오래됐다. 처음 자율주행차가 나온 건 1980년대였다. 미국 카네기멜론대학 자율주행 연구팀 내브랩(NavLab)이 1986년 쉐보레 밴을 개조한 자율주행차 ‘내브랩 1’을 선보인 게 시작이었다. 이후 메르세데스 벤츠가 자율주행 기술 개발과 관련된 ‘유레카 프로메테우스 프로젝트’를 시작하는 등 많은 자동차 회사와 연구기관이 자율주행 자동차 개발에 손을 뻗었다. 최근엔 인공지능 기술의 발달로 자동차 업계는 물론, IT 업계까지 자율주행차를 선보이고 있다. 특히 2012년 구글이 프리우스를 개조한 자율주행차 주행 영상을 유튜브에 올린 순간, 막연히 미래 자동차라 생각되던 자율주행차는 현실로 다가왔다. 그리고 5년이 지났다. 지금 자율주행 자동차의 기술은 얼마나 발전했을까?

‘자율주행 기술’, 보이는 것보다 가까이 있다

파리를 여행할 때, 지하철 1호선의 맨 앞 칸에 타면 재밌는 경험을 할 수 있다. 운전실이 있어야 할 자리에 탑승자를 위한 좌석과 바깥을 볼 수 있는 널찍한 유리창이 있다. 이 좌석에 앉으면 창밖으로 시원하게 뻗은 철로 위 풍경을 보면서 여행을 즐길 수 있다. 파리 지하철 1호선이 운전실을 승객에게 양보할 수 있었던 건 이 열차가 운전자 없이 전 자동으로 운행되기 때문이다. 우리나라도 2017년 12월 현재 △신분당선 △의정부 경전철 △부산 도시철도 4호선 △대구 3호선 △인천 3호선이 무인으로 운행되고 있다.

기차를 무인으로 운행하는 건 생각보다 많은 장점이 있다. 우선 배차 간격을 90초로 유지할 수 있어 승객 수송량이 50%가량 늘어난다. 가속이나 감속이 컴퓨터에 의해 최적화되기 때문에 약 30%의 에너지 절감 효과도 있다. 또한 기차 간 운행 간격, 속도 등이 자동으로 제어돼 보다 정확한 시각에 역까지 도착할 수 있다.

열차뿐 아니라 오늘날 운행되는 대부분의 여객기 역시 자동 항법 시스템으로 운항되고 있다. 이륙을 제외한 거의 모든 비행에서 조종사는 자동 조종 기능의 도움을 받는다. 조종사는 문제가 발생할 때만 이를 관측하고 바로잡는 업무를 수행한다. 장시간 비행기를 조종하는 상황에서 인간 조종사의 집중력과 반응 시간엔 한계가 있으므로 자동 조종 시스템은 승객의 안전한 운항을 위한 필수 기능인 셈이다.

자율주행 자동차 시대, 실현 가능한 미래일까?

무인 자율주행 열차나 항공기 자동 조종 시스템처럼 자율주행 수송 시스템은 생각보다 훨씬 깊숙이 일상에 들어와 있다. 그렇다면 사람들은 컴퓨터나 기계가 수송 시스템의 제어권을 가져가는 걸 암묵적으로 수락했을까? 이 수락이 자신의 안전과 더욱 밀접하게 연관될 자율주행 자동차에도 적용될까? 이 질문에 대한 내 대답은 ‘그렇다’다. 자율주행 자동차는 항공기 자동 조종 시스템이나 자율주행 열차와 비교하면 아직 많은 부분에서 발전해야 하지만 결코 상상 속에서만 존재하는 기술은 아니다.

비싼 가격 때문에 철도나 항공기에만 탑재되던 자율주행 시스템이 모든 자동차에 적용될 수 있는 시대가 오고 있다. 주행 환경 인식 센서와 고성능 컴퓨팅 칩의 가격이 낮아지고 인공지능 기술이 빠른 속도로 발전한 덕분이다. 이미 미국고속도로교통안전국(National Highway Traffic Safety Administration, NHTSA)에서도 자율주행 소프트웨어를 공식 자동차 운전자로 인정했다. 물론 ‘완전한 자율주행 자동차가 언제 어떤 방식으로 실현되느냐’엔 관점에 따라 크고 작은 의견 차이가 있겠지만 철도와 항공에서처럼 자동차에서도 자율주행은 거부할 수 없는 미래다.

자율주행 자동차 기술, ‘안전’을 넘어 ‘문화’로

교통사고의 원인 중 가장 위험한 건 뭘까? 바로 ‘운전자의 안전불감증’이나 ‘부주의한 운전 습관’이다. 운전은 순간의 실수가 돌이킬 수 없는 사고로 이어질 수 있지만 매일 습관처럼 운전하는 많은 사람에게 사고의 위험은 눈앞에 닥치기 전까진 크게 와 닿지 않는다. 이 때문에 운전자의 작은 방심은 교통 법규 위반이나 안전띠 미착용, 졸음 운전 등을 부르고 자칫 음주 운전이나 과속 운전 혹은 보복 운전처럼 ‘위험한 운전’으로 이어질 수 있다.

만약 교통법규를 철저히 지키고, 안전띠를 착용하지 않으면 출발하지 않으며, 아무런 감정적 동요 없이 이상적으로 운전에만 집중하는 인공지능이 인간 운전자를 대신한다면? 차는 탑승자의 상태와 상관없이 목적지까지 안전하게 도착할 수 있을 것이다. 이는 탑승자가 다른 일에 신경을 빼앗겼거나, 매우 화가 났거나, 조급한 상태이거나, 술에 만취했거나, 매우 졸린 상태라 해도 마찬가지다. 이렇게 운전자의 개입 없이 인공지능 자율주행 시스템이 스스로 주변 환경을 인식하고, 주행 상황을 판단해 자동차를 제어해 목적지까지 알아서 운전하는 자동차를 완전한 ‘자율주행 자동차’라 할 수 있다.

자율주행 자동차가 상용화되면 운전자로 인해 발생하는 교통사고를 줄일 수 있다는 것 외에도 다양한 이점을 얻을 수 있다. 운전하는 시간을 여가 활동이나 다른 생산적인 일에 활용할 수 있고 장애인이나 고령의 노인들도 큰 어려움 없이 자동차를 이용할 수 있다. 자율주행 자동차는 정밀지도와 주변 환경 인식 센서, 외부 네트워크를 통해 다른 자율주행 자동차들과 교통 정보를 공유할 수 있으므로 연료 소비나 목적지까지의 이동 시간을 최적화할 수 있다. 자율주행 기술의 안정성이 검증되면 자율주행 자동차가 대중화될 것이다. 그렇게 되면 개인이 자동차를 소유하는 게 아니라 필요할 때마다 차를 공유하는 문화가 확산될 것이다. 자동차 공유 문화가 자리 잡으면 주차장의 필요성이 줄어 사람들은 이 공간을 다양하게 활용할 수 있게 된다.

미국자동차기술학회가 정한 자율주행 기술 6단계

자율주행 자동차를 다루는 기사들을 읽어보면 기술 개발의 성숙도에 따라 자율주행 단계가 나뉘는 경우를 종종 볼 수 있다. 여기선 그중 미국자동차기술학회(Society of Automotive Engineers, SAE) 기준에 따라 자율주행 자동차를 여섯 단계로 분류하는 법을 소개하고자 한다.

각 단계를 쉽게 설명하면 다음과 같다. 자동차를 운전하려면 △액셀과 브레이크를 조작하는 ‘발’ △운전대를 조작하는 ‘손’ △주변 환경을 인식하는 ‘눈’ △위험에 대응할 수 있는 ‘의식’ △‘운전자’ 그 자체가 필요하다. 각 단계마다 점진적으로 이 요소들을 자유롭게 해주는 정도가 달라진다. 1단계에선 발이 자유로워지고 2단계는 손까지 자유롭게 해준다. 3단계는 눈, 4단계는 의식을 자유롭게 해주며 마지막 5단계가 되면 운전자 자체가 필요 없는 완전한 자율주행 자동차가 된다.

점진 VS 급진, 자율주행 기술을 대하는 두 가지 접근법

오늘날 자율주행 자동차를 연구 중인 업체들의 기술 개발 전략은 점진적 접근과 급진적 접근 등 두 가지로 나눌 수 있다. 점진적 접근법은 전통적인 자동차 제조 업체인 다임러·BMW·폭스바겐·도요타·닛산·현대·GM 등이 주로 사용한다. 자율주행 1단계부터 4단계까지 점진적 기술 개발을 통해 기존 자동차 산업의 주도권을 놓치지 않은 상태에서 자율주행 시대를 실현하겠다는 의지가 담겨 있다. 급진적 접근 방식을 추구하는 기업은 구글·애플·아마존·우버 등 인터넷과 인공지능이 핵심 기술인 소프트웨어 기업들이다. 전통적 자동차 제조 기술은 없지만 인공지능과 소프트웨어 기술을 기반으로 초기(1~3) 단계를 뛰어넘어 바로 완전 자율주행(4~5) 단계를 구현함으로써 자율주행 자동차 알고리즘과 소프트웨어 플랫폼 분야에서 주도권을 차지하는 게 목표다.

두 전략 간 경쟁은 지금도 계속되고 있다. 어느 전략이 최후의 승자가 될진 아무도 알 수 없다. 아마도 이 게임의 승자는 자율주행 자동차의 기술적 완성도와 사용자의 수용 정도에 의해 결정될 것이다. 만약 모든 운전 환경을 99% 이상 안정적으로 운행할 수 있는 혁신적 자율주행 자동차 기술이 개발되거나, 특수 자율 주행 인프라를 모든 도로에 구축하는 교통 정책이 수립된다면 안정적으로 4·5단계 자율주행 자동차의 운행이 가능해질 것이다. 이런 기술을 토대로 사용자들이 거부감 없이 모든 구간의 운전을 기계에 맡길 수 있는 분위기가 형성된다면 차량에서 운전대를 없앤 구글 자동차처럼 급진적 자율주행 자동차 개발 전략이 승자가 될 것이다. 반대로 모든 걸 바꿀 수 있는 새로운 기술이나 정책이 나오지 않으면 단계별 자율주행 기술을 점진적으로 구현, 검증하는 방법의 신뢰도가 더 높아질 테고 사용자들도 이런 과정을 거쳐 서서히 자율주행 자동차를 받아들이게 될 것이다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다