Insights

🚔 자율주행자동차의 '거의' 모든 것_1탄

테크스낵 Tech Snack 2021. 9. 4. 13:03
728x90

자율주행! 자율주행!! 자율주행!!! 곧 우리 일상의 일부가 될 것만 같은, 이제는 너무 익숙해진 단어. But 최첨단 기술의 집약체 정도라는 것은 알지만, 실제로 어떤 기술들이 어떻게  적용되는 것인지 감이 확 오지 않는 것이 사실. 그래서 준비한 자율주행자동차의 '거의' 모든 것_1탄

 

🛹 일단 시작은 '레벨'

 

자율주행 자동차의 발전 정도를 측정하는 척도가 있음. 가장 범용적으로 사용 되는 것은 SAE(국제 자동차 기술협회)에서 정의한  자율주행 자동차 '레벨'. 해당 레벨은 레벨 0 ~ 레벨 5까지 총 6단계로 이루어짐. 레벨 0은 당연히 완전히 수동으로 운전되는 'No Automation' 단계이며, 레벨 5는 완전 자율주행이 가능한 'Full Automation' 단계임.

 

각 레벨 별로 자동차의 '제어 주체' . '주행 책임'이 달라지지만 상세 내용을 다루기 보다 현재 꼭 알아야 하는 핵심은,

 

  • 5단계 즉, 완전 자율주행이 가능한 자동차는 아직 '판매' 되고 있지 않다는 것과, 
  •  레벨 0 ~ 레벨 3까지는 인간 운전자를 지원하기 위한 첨단 운전자 시원시스템인 ADAS(Advanced driver - assistance system)라는 점.
  • 실제로 '구매' 가능한 테슬라의 오토파일럿, GM의 슈퍼 크루즈, 포드의 핸즈프리 기능 등은 레벨 2단계에 해당하는 기능으로,
  • 레벨 2단계의 기능들은 주로 앞차와의 간격 유지, 차량 조향, 감속/가속의 영역에서 인간 운전자를 '지원' 하는 기술.

 

인간 운전자 없이 자율주행이 가능한 '레벨4' 단계에 도달하기 위한 접근은 크게 두 가지 방향이 있음.  바로 'Moon shot'식 접근과 'Bottom-up' 식 접근. 

 

'Moon shot'식 접근은

  • 자율주행 레벨 기준으로 1단계에서 시작해 2단계, 3단계로 나아가는 것이 아니라,
  • 인간 운전자의 개입을 최소화 할 수 있는 레벨 4 단계를 한번에 이루려는 방향을 추구.
  • 구글의 자회사 Waymo(웨이모), GM의 자회사 Cruise(크루즈), Aurora(오로라) 등이 여기에 해당.

 

반면 'Bottom-up'식 접근은, 

  • ADAS(첨단 운전자 보조시스템)기술을 이용한 접근으로,
  • 자율주행 레벨 1단계의 기술을 달성한 후, 2단계, 그리고 3단계, 그리고 4단계를 이루는 방향을 추구.
  • 인텔이 인수한 Mobileye(모빌아이), 최근 퀄컴이 인수를 시도 하고 있는  Veoneer(비오니어)가 대표적인 회사.

 

+TMI) '레벨 4단계'가 인간 운전자 없이 스스로 운행 할 수 있는 수준이라고는 하나, 언제 어디서나 할 수 있는 것은 아님. 즉, 레벨 4단계로 한정된 지역/도로에서 사전에 정의된 특정 날씨에서만 운행 할 수 있음. Waymo(웨이모)와 Cruise등이 '그런' 레벨 4의 운행을 일부 하고 있음.

 

 

🚖 다음은 '자동차'

 

자율주행 자동차가 현실화 되기 위해서는 당연히 몸체가 필요함. 바로 자동차 그 자체가 필요하다는 말.  때문에 자율주행  '기술'을 개발하는 회사들은 기존의 자동차 제조사들과 협력하는 경우가 다수임.

 

  • Waymo - Volvo 그룹 : 자율주행 기술을 개발하는 Waymo(웨이모)는 유명 자동차 제조 회사인 Volvo그룹과  로보택시 개발을 위한 파트너쉽을 체결 했으며,
  • Aurora - 다수의 트럭 제조사 :  우버의 자율주행 사업부를 인수한 Auroa(오로라)도 자율주행 트럭 개발을 위해 Volvo그룹 /  유명 트럭 제조사 Paccar와 파트너쉽을 체결 했음.

 

물론 자율주행 기술 개발과 함께 자동차 제조까지 핸들링 하는 케이스도 있음. 자동차 자체가 범용적으로 이용되기 보다는 '특수한 목적'을 지향하는 경우가 이 케이스에 해당 한다고 할 수 있는데, 대표적으로 아마존이 인수한 Zoox(죽스)Nuro가 있음.

 

 

😎 그리고 눈_ Eyes

 

자율주행이 가능하기 위해서는 자동차에 '눈'이 필요함. 즉 상황을 인식 할 수 있는 수단이 있어야 하는데, 일반적으로 카메라, 레이더, 라이다, 각종 센서들이 자율주행을 위한 자동차의 눈 역할을 수행함. 또 이 '눈들'은 앞에만 있는 것이 아니라 자동차 사방에 배치되어 있음.  이 '눈'을 정복 하기 위한 가장 지배적인 방식은 라이다를 이용한 방법. 

 

  • 유명 라이다 제조사는 Velodyne(벨로다인), Luminar(루미나르) 등이 있으며 이들은 모두 미국에 상장되어 있음.
  • 일론머스크가 이끄는 테슬라는 다른 방식을 취함. 테슬라는 라이다 등 '하드웨어'에 의지하기 보다 실제로 운행되는 수많은 테슬라 차량을 통해 수집되는 데이터들을 통한 '머신 러닝'으로 완전한 자율주행을 이루고자 함.
  • 실제로 일론 머스크는 터무니없이 비싼 라이다 비용 때문에 상용화는 사실상 불가능 하다고 말한 바 있음.

 

🥐 물론, 두뇌_Brain 도 

 

자동차에 탑재된 사방의 '눈'으로  주변 상황을 인식 하는 것 만으로 완전한 자율주행을 달성 할 수 없음. 인식한 상황 및 정보를 처리해 상황을 '예측'하고  다음 상황을 '계획' 하고 '판단'할 수 있어야함.  이렇게 엄청난 양의 데이터를 관련성 있게 유지하고, 업데이트 하기 위해서 소프트웨어로 대표 되는 자동차의 두뇌가 필요함.   

 

자동차 두뇌의 일부로서 정확한 '판단'과 '계획'을 위해  자동차 내 나침반 또한 필요. 바로 고정밀 지도인 HD 맵. 

 

  • HD 맵은 자율주행을 위해 센티미터(cm) 수준까지의  정확한 위치를 파악 할 수 있는 정밀도 높은 3D 입체 지도
  • 또한 도로 및 주변 상황에 대한 정보를 사전에 저장하고 실시간으로 업데이트 해,  
  • 현재 있는 '정확한 위치'를 기준으로 운전 상황에 대한 '상황적 정보'를 제공함.

 

예를 들어,

  • 테슬라 차량 운전자가 최근에 트위터에 업로드한 영상을 보면, 낮게 떠있는 '달'을 테슬라의 오토파일럿 기능이 '신호등'으로 잘못 인식해,
  • 속도를 줄이라는 신호를 지속적으로 보냈다고 함. 색깔이 비슷하다고 할 수 있지만, 
  • 노랑색 불이 켜진 신호등 이외에 다른 두 개의 신호등이 없는 것, 신호등과 관련 있다고 할 수 있는 기둥이나 건물이 인식되지 않은 것 등 '상황적인 정보'들을 조합 하지 못했기 때문에 달을 신호등이라고 잘못 판단 한 케이스.

 

이처럼 HD맵은 도로의 중심선, 경계선 뿐만 아니라 신호등, 표지판, 건물 같은 다양한 구조물들을 '눈'이라고 할 수 있는 카메라, 레이더, 라이다를 통해 사전에 저장함.

 

  • 그 후 실제 운전시 현재의 '상황적 정보'와 사전에 저장한 정보들을 비교해 필요한 판단을 내리는 역할을 수행.
  • 물론 상황적 정보는 수시로 최신화 업데이트 되야 하기때문에, HD맵을 제공하는 회사들은 자신들의 맵을 탑재한 실제 운행 차량에서 발생하는 데이터, 즉 크라우드소싱 형태를 통해 정보를 최신 상태로 유지함.

 

🍚 플러스 ++

 

외부와의 연결성 또한 중요한 요소.  V2X(Vehicle to everything)으로 대표되는 이 연결성은 '자동차 와 자동차의 연결', '자동차와 스마트폰의 연결', '자동차와 도로의 연결' 등을 의미함. 이러한 연결성을 통해 ,

 

  • 사고 예측 등 안전을 목적으로 해당 데이터를 활용 할 수있으며,
  • 교통량 예측, 교통의 운영 효율화를 위해 자율주행 자동차의 V2X 특성을 활용 할 수 있음.
  • 또한, 방대한 데이터가 발생한다는 점에서, 자동차 내부에서 처리하기 힘든 데이터 워크 로드를 처리하기 위해 외부 클라우드 데이터 센터와의 통신 또한 V2X를 통해 가능.
  • 자율주행으로 자동차에서 누운채로 넷플릭스를 시청하기 위해서는, 이 연결성이 뛰어나야 하며 바로 이 포인트에서 5G등의 고도 네트워크가 필요함.

 

시뮬레이션 테스트 운행도 자율주행의 한 축을 담당함. 자율주행을 위해서는 실제로 자동차가 많이 돌아다니며 주변 상황을 익히고, 판단하고, 계획 하는 등 학습을 해야함. 다시말해, 실제로 운행이 되어봐야 자율주행이 가능하다는 말. 많은 기업들이 테스트 운행을 계속 하는 것이 바로 이 이유.  자율주행을 추구하는 방식에 따라 소프트웨어를 이용한 시뮬레이션 테스트 운행으로 자율주행 운행에 필요한 학습을 진행함.

+TMI) 위에서 말한 것 처럼, 테슬라는 판매되어 운행되고 있는 '실제' 운전 데이터를 수집 해 학습에 이용. 즉 테스트 운행이나 시뮬레이션 대신 실제 운행을 통해 자신들의 자동차를 더 똑똑하게 만들고 있음.   

 

어떤 산업에 실제 자율주행 기술이 적용 될 수 있는지,  자율주행 산업과 관련해서는 '쪼개서 뽀개기' Vol.2에서 계속.

 

 

 

○○테크스낵을 이메일로 편하게 받아보고싶다면?! : 💨'테크스낵 뉴스레터 구독하기!

 

728x90
반응형