자율주행차, 인공지능에게 길을 묻다

            

인간 지능을 모사한 인공지능(AI)이 요즘 가장 뜨거운 기술 키워드가 아닌가 싶다. 자동차 산업은 대규모 R&D 투자, 기술 기업들과의 파트너십 구축, AI 스타트업 인수 등을 통해 혁신적인 AI 시스템을 구축하고 있다. 인공지능이 자동차와 결합하면서, 자동차 산업은 또 다른 길에 들어서고 있다.


완전 자율주행차 시장을 선점하기 위한 자동차 제조사와 기술회사들 간 합종연횡이 활발하다. 올 CES(Consumer Electronics Show)는 그 생생한 현장이었다. 폭스바겐은 엔비디아, 우버와 자율주행차 협업을 발표했다. 폭스바겐은 차세대 전기차 모델인 I.D.에 자율주행 인공지능 플랫폼 드라이브 IX(NVIDIA DRIVE™ IX)를 탑재할 계획이다.

엔비디아는 아우디, 토요타, 테슬라, 바이두(Baidu)와도 파트너십을 맺었다. PSA 그룹은 AI 스타트업 에이아이모티브(AImotive)와 협력 하에 2025년을 목표로 레벨 4 자율주행 기술을 개발하고 있다. 혼다는 중국 AI 스타트업 센스타임(SenseTime)과 향후 5년에 걸쳐 AI 기반 자율주행 기술을 공동 개발한다. 포드는 AI 스타트업 아르고 AI(Argo AI)를 10억 달러에 인수했다.



자율주행에 미치는 영향

IBM 인공지능 컴퓨터 ‘왓슨(Watson)과 GM ’온스타(OnStar)‘ 플랫폼을 결합한 ’온스타 고(OnStar Go)'에서부터 AI 기반 자율주행 기술에 대한 토요타의 10억 달러 투자에 이르기까지 자동차와 AI의 결합은 시대의 거스를 수 없는 대세로 굳혀지는 분위기다. 이러한 변화는 AI가 인간 운전자를 대체할 수 있는 최종 대안이라는 생각을 반영한다. 점점 더 보편화되고 있는 AI를 통해 자동차 산업은 솔루션 및 공급망관리 측면에서도 향후 엄청난 변화를 경험하게 될 것이다.



자율주행차에서 인공지능이 주목받고 있지만, 사실 많은 자동차 분야 중 하나에 불과하다. AI는 안전성과 자율주행 외에도 음성인식, 컴퓨터 비전, 커넥티드카, 가상 도우미 등 여러 분야에 사용된다. 1970년대에 이미 무인자동차(Driverless car) 개발이 시도되었지만, 적절한 기술의 부재로 자율주행차는 수십 년 동안 꿈에 불과했다. 그러나 작고 강력한 컴퓨터와 GPS 시스템, AI 개발과 함께 자율주행차는 꿈이 아닌 현실이 되고 있다.

완전 자율주행차가 당장 일반 도로를 자유롭게 다닐 수는 없지만, 몇몇 회사들이 가까운 미래에 자율주행을 실현하기 위해 역량을 집중하고 있다. 자율주행차 개발 분야에서 앞서 있는 구글과 테슬라는 자율주행 기술과 R&D 팀에 수백만 달러를 쏟아붓고 있다. 양사 모두 자율주행차 시험 주행 면허를 발급받아 공공도로 주행 테스트 를 진행하고 있다.

2016년 10월 테슬라는 모든 신규 차량에 완전 자율주행에 필요한 모든 하드웨어가 장착될 것이라고 발표한 바 있다. 그러나 차량을 무인 운전 모드로 전환하려면 규제 및 소프트웨어 검증이 필요하다. 최근 미국에서 405번 고속도로를 자율주행 모드로 시속 약 104 km로 달리던 모델 S 차량이 소방차와 충돌하는 사고를 냈다. 이 사고가 직접적인 이유는 아니지만, 자율주행 분야에서 선두로 인식되던 테슬라가 올해 유력 조사기관 평가에서 최하위권으로 밀려났다.

우버는 미국 애리조나, 피츠버그 등에서 자사 자율주행 소프트웨어를 탑재한 Volvo XC90 모델을 기반으로 성능을 개선하고 테스트를 지속적으로 진행하고 있다. 지난해 11월에는 Volvo XC90 SUV 차량 24,000대를 2019년부터 2021년 사이에 구매하기로 합의했다. 우버는 2021년까지 완전 자동화된 Volvo XC90 SUV를 확보할 계획이다.

아직은 상대적으로 소수의 기업만이 완전 자율주행 모델을 개발하고 있지만, 점점 더 많은 자동차 제조사들이 이 방향으로 눈을 돌리고 있다. 실제로 많은 회사들은 운전자를 보조하는 기능들을 도입함으로써 AI 기반 기능에 신중한 접근을 취하고 있으며 여전히 첨단 안전 기능을 갖춘 자동차를 선보이고 있다. 자동제동 시스템, 충돌회피 시스템, 보행자 및 자전거 경고 시스템, 측면차량 경고 시스템, 지능형 순항제어 시스템 등은 AI로 구동하는 기능 중 일부에 불과하다.

클라우드 컴퓨팅은 자동차 분야에서 AI 기술의 발판을 마련하고 보급하기 위한 완벽한 플랫폼을 만드는 데 확실한 장점이 있다. 그 중에는 빠른 처리 속도, 빅데이터 액세스 및 분석, 중앙 집중식 연결성을 제공한다.

최첨단 자동차를 지원하기 위하여 클라우드 기반 플랫폼이 개발되고 있다. 클라우드 기술이 사용되는 예로는, 앞서 소개한 GM과 IBM 왓슨 수퍼컴퓨터 간의 협력 관계를 꼽을 수 있다. GM의 온스타 시스템의 확장 버전에는 AI 기능이 추가돼 있다. 클라우드 기반 AI 플랫폼으로 운전자를 어떻게 지원할 수 있을지를 고민하고 있는 GM과 IBM은 다음과 같은 애플리케이션을 제공하거나 곧 제공할 예정이다.

• 주유소를 찾고 운전자가 자동차 안에서 연료비를 지불할 수 있게 한다.
• 운전자가 자주 방문하는 음식점과 유사한 주변 식당을 추천한다.
• 운전자 인터페이스에 내장된 토큰화(tokenization) 기반 지불 솔루션을 제공한다.
• 운전자가 상점에 접근할 때 필요한 생활용품을 구입하라는 알림을 보낸다.
• 운전자가 특정 레스토랑에 접근하면 자동으로 미리 음식을 주문한다.

빅데이터 분석을 포함한 클라우드 기반 플랫폼을 통해 가능한 애플리케이션 목록은 기하급수적으로 확장될 것으로 예상된다.

업계 분석가들은 2020년까지 약 2억 5,000만 대 이상의 자동차가 인터넷에 연결될 것으로 예상한다. 이들 차량에는 무수히 많은 센서, 연결성 플랫폼, 지리정보 및 빅데이터 분석 기능이 탑재될 것이다. 따라서 IoT는 이러한 서로 다른 시스템을 통합 운영 플랫폼에 통합하는 데 있어서 기본적인 연결 고리가 된다. 이 모든 것은 제조업체가 이러한 지능형 시스템을 신규 차량에 성공적으로 통합하고, 이들 간의 효과적인 통신을 보장하기 위해 소프트웨어 개발사와 보다 긴밀하게 협력해야함을 의미한다.

다음은 IoT 기술이 자동차 산업에 영향을 미치고 있거나, 곧 영향을 미칠 수 있는 몇 가지 사례이다.

• 무선 소프트웨어 업데이트(over-the-air, OTA)를 통해 자동차 제조사와 딜러는 자동차 펌웨어를 업데이트하여 프리미엄 기능을 제공한다.
• 성능 데이터를 제조사 또는 딜러에게 직접 전송함으로써 커넥티드 차량은 IoT 기술을 활용하여 문제를 통보하거나 수리 예약을 할 수 있다.
• 딜러는 IoT를 통해 차량 소유주가 매장을 방문하지 않고도 특정 성능 문제를 진단하고 수정할 수 있다.
• 플릿(fleets)을 보다 효율적이고 더욱 안전하게 관리할 수 있다.
• 차량이 연료 사용량 및 주유비를 플릿 관리자에게 직접 보고할 수 있다.
• IoT 기반 프로세스를 통해 제조 품질 및 효율성을 향상시킬 수 있다.
• 차량이 IoT 센서 정보를 자동차 제조업체에게 자동으로 전송할 수 있으므로, 설계자들은 향후 모델을 개선할 수 있다.
• 자동요금징수
• 차량 내부의 스마트 센서는 운전자가 의식을 잃는 등 응급상황을 감지하고 응급 구조대를 호출할 수 있다.

자동차 산업에서 자주 회자되는 단어가 ‘연결성(Connectivity)’이다. 사람들은 정보 및 다른 사람들과 연결되기를 원하고, 자동차 제조업체들은 이러한 작업을 수행할 수 있도록 AI를 활용한다.

자동차 기술은 운전자를 돕는 데 중점을 두고 개발된다. AI 기반의 인포테인먼트 시스템은 운전자와 승객이 음성명령을 통해 이메일을 송수신하고 인터넷을 검색하며 스마트폰 앱을 수행할 수 있다. 일부 차량에는 곧 자체 Wi-Fi 핫스팟이 포함될 것이다. 귀가 시간 및 지오펜싱(Geo-Fencing) 기능은 자녀가 특정 속도 이상으로 운전하거나, 지정된 반경을 벗어나 운전하거나, 부모가 승인한 시간대를 벗어나 운전하는 경우에 알려준다.

AI가 커넥티드카에 제공하는 가장 중요한 혜택은 안전성 향상이다. V2V(Vehicle-to-Vehicle) 기술을 통해 커넥티드카는 서로 통신한다. V2V 기술은 각 차량이 주변의 다른 차량과 정보를 교환함으로써 사고를 줄일 수 있다. 연결성의 고도화 추세는 AI/자동차 분야에 진출하고자 하는 개발자들에게 새로운 기회를 제공할 것이다.

늘 교통사고를 줄이기 위한 방법을 모색 중인 보험사는 자동차 및 기술 회사와 파트너십을 맺고 난폭 운전자를 파악한다. 이러한 파트너십 중에는 기술 개발사인 나우토(Nauto), BMW 아이벤처스(BMW i Ventures), 토요타 리서치 인스티튜트(Toyota Research Institute, TRI) 뿐 아니라 보험사 알리안츠 그룹이 포함되어 있다. 나우토는 플릿 관리, 유통, 운전자 안전에 도움이 되는 AI 기반 제품을 개발하기 위해 또 다른 회사와 협약을 맺었다. 나우토에 투자하고 있는 회사로는 소프트뱅크와 GM, BMW, 토요타 등이 있다.

나우토는 딥 러닝 AI 기술을 활용해 운전자 주의 경보, 위기 상황, 안전하지 않은 운전습관을 추적하는 클라우드 기반 플랫폼을 개발하고 있다.

나우토의 AI 플랫폼과 관련 네트워크는 자동차 회사가 차량을 보다 안전하고 효율적으로 운영하는 데 도움을 줄 것이다. 보험사는 운전자 행동을 추적함으로써 위험한 운전습관이 있는 운전자를 식별할 수 있다.



자율주행차 2025년 350만 대 출시

프로스트앤설리번(Frost & Sullivan)에 따르면, 레벨 4(L4) 수준의 자율주행 기능을 갖춘 자동차가 2025년까지 350만 대 이상 출시될 것으로 예상된다. 이로 인한 시장 규모는 최소 140억 달러에 이를 전망이다. 이미 주요 핵심 OEM들이 다양한 모빌리티 서비스 파트너십을 개발하기 위해 상당한 투자를 했다. 프로스트앤설리번은 기술회사들이 시장을 확대하기 위해 라이선스 기반으로 AI 소프트웨어 및 서비스를 제공함으로써 OEM의 티어 1이 될 가능성이 높다고 전망했다.

자율주행에서 AI는 다음 요인에 의해 확장되고 있다. 우선, 빅데이터이다. 이것은 컴퓨터가 학습하는 데 필요한 운전자지원 및 제어 센서에 의해 수집된 중요한 데이터를 말한다. 그리고 연구자들은 데이터 과학자들이 엄청난 양의 빅데이터를 처리하기 위해 심층 신경망(Deep Neural Network, DNN)을 설계하고 훈련할 수 있는 병렬 알고리즘을 개발해야 한다. 또 다른 요인은 제한된 시간 내에 대규모 데이터를 계산할 수 있는 GPU 가속기의 도입이다(모든 주요 심층 학습 프레임워크는 GPU 가속을 지원하므로 계산 집중적인 작업을 보다 쉽고 비용 효율적으로 수행할 수 있기 때문이다).

리서치앤마켓츠(Research and Markets)는 2016년에 5억 6,358만 달러였던 세계 자동차 AI 시장이 연평균 37.6%씩 성장하여 2023년에 52억 6,581만 달러에 이를 것으로 예상했다.

남은 과제

자율주행차의 도입은 기존 교통체계와 자동차 산업 생태계를 새롭게 변화시킬 것이다. AI는 인간 운전자를 대신하기에, 신뢰할 수 있고 ‘똑똑’해야 한다. 자율주행차에서 데이터 소유권과 소프트웨어 유효성 검증 외에도 AI의 진정한 능력을 둘러싼 불확실성도 제거해야 한다.

프로스트앤설리번은 자율주행차에 AI를 구현하는 데 따른 과제를 3가지로 요약했다. 첫째는 소프트웨어 트레이닝 및 검증에 관한 과제다. 시스템이 트레이닝 후 학습한 내용을 프로그래머가 검증하기는 어렵다. 따라서 소프트웨어 성능을 평가하기 위해 몇 가지 시뮬레이션이 필요하다.

두 번째는 보안 위험과 데이터 소유권에 대한 과제다. 업계는 여전히 AI의 실제 능력을 확신하지 못하고 있다. 또한 해커가 차량에 직접 접속하여 차량과 사용자의 안전을 위협할 수 있다. 이러한 위험은 여러 차량 또는 플릿 차량에 대한 해킹 공격을 방지함으로써 감소시킬 수 있다. 데이터 소유권 및 사용 권한은 최종 사용자의 또 다른 주요 관심사다. 현재 수집된 모든 데이터는 OEM이 소유한다.

세 번째는 법적 불확실성 문제다. 프로스트앤설리번은 AI가 실제 차량에 도입되려면 자율주행 규정과는 별도로 새로운 규제 틀을 정의할 필요가 있다고 지적한다. 이 문제는 레벨 4 또는 레벨 5 자율주행차의 상용화를 지연시킬 수 있다. □
 

---

AI와 동행하는 자율주행

다양한 운전 조건에서 자동차의 제어 능력을 높이기 위해 인공지능(AI)이 사용된다. 그러나 오늘날 차량 컴퓨터 시스템은 필요한 AI 소프트웨어 및 하드웨어 양에 크게 미치지 못한다. 보그워너(BorgWarner Inc.) 엔지니어들은, 오늘날 완전 자율주행차에 필요한 컴퓨팅 성능은 50대에서 100대의 노트북을 동시에 연결하여 동작시키는 것과 같다고 언급했다. 이에 따른 소비전력은 2~4 kW에 이른다. 보그워너의 크리스 토마스(Chris Thomas) CTO는 레벨 4 또는 레벨 5 자율주행 능력을 갖춘 자동차는 결과적으로 연비가 5%에서 10% 정도 떨어질 것으로 추정했다.

자율주행 및 연결성은 자동차 산업의 미래를 이끌어갈 메가트렌드임에 틀림없다. 커넥티드카는 AI를 통해 더욱 정교한 통신이 가능해질 것이다. V2X 통신 기술에서 AI의 역할이 강조되고 있다. 이 기술은 모든 백엔드 계산 및 분석을 관리해 운전자에게 정확하고 시의 적절한 데이터를 제공한다.

기계학습(machine learning) 알고리즘은 차량 속도, 위치, 목적지와 선호도까지 추적해 정확한 정보를 제공한다. AI는 운전자의 운전 패턴을 학습한다. 자율주행과 대부분의 ADAS 기능에서, AI는 차량에 소위 “인공 비전”을 제공한다. 어떤 환경이든 다양한 물체, 장면, 동작을 식별할 수 있는 기능은 자동차 산업의 핵심 기술 중 하나다. 차량 ‘비전’은 수많은 카메라, 레이더 센서, LiDAR 장치에 의해 처리된다. 이러한 데이터는 제어 장치에 의해 유용한 정보로 전환된다.

차량 컴퓨팅 성능은 차량의 AI를 구현하는 복잡한 기계학습 알고리즘에 의해 결정된다. 기계학습 알고리즘은 물체 검출(object detection) 및 정교한 패턴 인식에 기반 한다. 컴퓨터 비전은 지속적으로 환경을 분석한다. AI는 분석된 이미지를 대상의 특성에 따라 분류한다. 이 알고리즘은 차량에 ‘지능’을 부여하여 움직임, 크기, 모양 등 물체의 특성을 학습함으로써 다음 이미지를 보다 정확하게 분류한다. AI를 통한 클라우드 컴퓨팅 및 클라우드 기반 지능은 자동차와 관련된 삶의 여러 측면을 통합하게 될 것이다. □

---