연세대 글로벌융합공학부 심리스 트랜스포테이션 랩(Seamless Transportation Lab, STL) 지능형자동차그룹(Intelligent Vehicle Group)은 인공지능(AI) 기반의 자율주행 기술을 연구한다. 김시호 교수 연구팀은 지난해 10월 SK텔레콤과 서울대, 연세대, 대구경북과학기술원(DGIST)이 발족한 산학연 자율주행 공동연구 연합체 ‘어라운드 얼라이언스(AROUND Alliance)’의 창립 멤버이기도 하다. 어라운드 얼라이언스는 인공지능 및 주행 인지·판단 소프트웨어 고도화, 범용 자율주행 플랫폼 구축, 인재 양성, 차량 통신 기술인 V2X(Vehicle to Everything)를 활용한 공동연구를 추진하기 위해 설립된 단체다. 김시호 교수는 발족식 당일 열렸던 워크숍에서 딥러닝 방식으로 주차장 영상인식을 통해 빈자리를 찾아서 ‘자율 주차’ 하는 기술을 선보였다. 자율 주차에 이어 인공지능 자율주행 기술 ‘DAVE2-SKY’를 개발한 김 교수에게 DAVE2-SKY에 대해 물었다.



Q. DAVE2-SKY는 어떤 방식으로 딥러닝이 이뤄지고, 학습된 정보는 어떤 형태로 저장되나요?
A. 먼저 ‘프리스캔(Prescan)’이라는 주행 시뮬레이터에서 기본적인 학습 데이터를 만들고 가상환경에서 DAVE2-SKY를 학습시킵니다. 실제 도로에서 복잡한 상황을 학습시키기 전에 가상공간에서 인공지능의 성능을 검증하는 단계입니다. 이를 통해 실제 실험에서 노력과 비용을 절감할 수 있습니다. 이러한 단계를 통과하면, 운전자가 차량을 운전하면서 정보를 수집합니다.

차량에 장착된 센서를 통해 취득한 정보를 기반으로 학습 데이터를 만듭니다. 학습 데이터는 차량 내 대용량 스토리지에 저장되고 고속 무선망을 통해 서버로 전송되어 대량의 학습 데이터베이스가 만들어집니다. 만들어진 학습 데이터를 이용하여 신경망을 학습시키고, 학습된 신경망을 차량의 제어기로 이전해 시험주행을 하고, 문제가 발생하면 문제를 파악해 추가 학습을 반복하게 됩니다.

Q. 자율주행 연구과정에서 어려웠던 부분은 무엇인가요?
A. 여러 어려운 요소들이 있지만, 교통상황에서 예외가 발생하는 경우가 가장 어렵습니다. 인간은 지능이 높기 때문에 예외가 발생해도 그 상황을 이해하고 대처하는 능력이 있습니다. 하지만 현 인공지능 기술은 그렇지 않습니다. 예상치 못한 상황에 대처하는 기술이 가장 어렵습니다. 예를 들어, 신호등이 고장 나서 경찰이 수신호로 차량을 통제하는 경우, 자율주행차는 경찰의 수신호를 이해해야 합니다. 이런 경우 학습할 기회도 적고 제대로 적용하기 어렵습니다.

자율주행에서 구현하기 어려운 또 다른 부분은 교차로에서 좌회전하는 경우입니다. 교차로에서 좌회전할 경우 차량이 교차로 중앙으로 진입하게 됩니다. 일반 도로에서는 차선이라는 기준점을 가지고 주행하지만, 교차로 중앙의 경우 대부분 차선이 존재하지 않는 넓은 아스팔트 공간입니다. 이 문제를 해결하기 위해서 보통의 자율주행 기술은 정밀한 GPS를 통해 지도 위에 자신의 위치를 맵핑하여 회전합니다. 그러나 GPS 신호에 이상이 생기면 바로 오작동이 일어납니다.

날씨 좋고 주변에 고층 건물이 없는 환경에서는 잘 작동할 수 있겠지만 도심에서는 GPS 신호에 이상을 유발할 요소가 많습니다. 100% 정상적인 작동을 기대하기 어렵다는 것입니다. 반면, DAVE2-SKY는 GPS가 필요 없는 기술입니다. DAVE2-SKY는 기본적으로 카메라를 통해 모든 정보를 받아들이고 라이더를 통해 장애물과의 거리를 인식합니다. 사람처럼 도로를 인지하고 주행하기 때문에 위치정보가 필요 없는 것입니다.



Q. 최근 자율주행면허를 취득한 것으로 알고 있습니다.
A. SK텔레콤과 함께 시험운행허가를 취득했습니다. 경차인 ‘레이’로 주행허가를 취득해 향후 자동차 공유 서비스에 접목할 것입니다. 경차는 유지비가 저렴하고 관리가 편하기 때문에 카 셰어링 서비스에 많이 활용되기 때문입니다. 또한 차량 내부가 좁은 경차에 자율주행 기술을 구현하기 위해 차량 센서를 내장하고 차량 인공지능 컴퓨터 등 자율주행 장비를 소형화·경량화 했습니다. 현재도 카 셰어링 서비스가 어느 정도 이뤄지고 있습니다.

그러나 사용자가 차를 사용하려면 차량이 주차된 곳으로 찾아가야 하는 번거로움이 있고, 반납할 때도 지정된 장소에 주차하고 돌아와야 합니다. 이 장소가 집 혹은 직장과 거리가 있을 경우 차를 빌렸음에도 다른 교통수단을 이용해야 하는 불편함이 있습니다.

자율주행 기술이 적용되면 이런 불편함을 해소할 수 있습니다. 올해 어플을 통해 차량을 부를 수 있는 카 셰어링 서비스를 시연할 계획입니다. 어플을 통해 카셰어링 서비스 차량을 빌리면 차량이 자율주행을 통해 현재 위치까지 찾아오는 것입니다. 반납도 마찬가지로 사용자가 사용을 완료하면 알아서 차고지로 돌아가게 할 것입니다. 물론, 주차도 스스로 할 수 있도록 구현할 것입니다. 지난해 캠퍼스 내에서 이와 같은 자율주행 서비스를 시연하기도 했습니다. 올해는 시내에서 이 서비스를 시연할 것입니다. 자율주행 기술이 도입되면 카 셰어링 서비스가 지금에 비해 굉장히 활발해질 것으로 생각합니다.



Q. 현재 어떤 부분에 초점을 두고 연구에 전념하고 계신가요?
A. 기존에 제작한 차량 개발은 끝난 상태입니다. 지금은 2호차 제작을 준비 중입니다. 2호차에서는 엔비디아 GPU 플랫폼을 빼고 자체 개발한 플랫폼을 탑재할 예정입니다. 이를 통해 장치의 소형화와 설치의 간소화, 비용절감을 기대하고 있습니다. 2호차부터는 시내에서 실제 주행연습을 할 예정입니다.

Q. 개선해야 할 부분이 남아있다는 말씀이군요?
A. 실제로 사람도 면허취득 후에 2~3년간 실전 경험을 쌓아야 능숙한 운전자가 될 수 있습니다. 인공지능도 똑같이 경험이 필요합니다. 사람처럼 훈련하면 할수록 주행 실력이 훨씬 좋아집니다. 앞으로는 실제 도로에 나가 인공지능에게 새로운 학습 모델을 제공하고 싶습니다. 그렇게 지속적으로 학습하다보면 결국 사람의 운전 실력을 넘어설 수 있을 것입니다.

앞으로 개선해 나가야할 부분 중 하나는 야간운전입니다. 환경이 낮과 확연히 다르기 때문에 이에 대한 학습이 반드시 필요합니다. 아직까지 아무도 자율주행에서 성공하지 못한 부분이 있습니다. 바로 눈오는 날의 주행입니다. 눈이 내리면 차선을 비롯해 경계를 구분하기 어렵습니다. 라이더 센서의 경우, 눈이 내리면 제 기능을 발휘할 수 없습니다. 비나 안개도 극복해야할 과제 중 하나입니다. 자율주행 기술이 상용화의 길로 가기 위해서는 이런 문제를 극복해야합니다.

Q. 우리나라의 자율주행차 시장과 기술 수준을 어떻게 보시나요?
A. 지금 우리나라 자율주행차 시장은 과거 스마트폰 시장과 비슷한 부분이 많습니다. 우리나라에 처음 스마트폰이 등장하자 핸드폰 업계에 큰 변화가 일어났습니다. 흐름에 뒤쳐진 수많은 핸드폰 제조사들이 사라졌습니다. 가장 뛰어난 하드웨어를 만드는 몇몇 회사만이 살아남고 컴퓨터 기업인 애플과 IT기업인 구글이 스마트폰 시장을 양분하는 형태가 됐습니다. 이들은 핸드폰 자체를 만든 것이 아니라 핸드폰 안에 들어가는 컴퓨터 플랫폼을 만들었습니다.

기본적으로 통신을 위해 핸드폰을 구매하지만, 우리가 구매하는 것은 더 이상 핸드폰이 아닙니다. 우리는 핸드폰의 기본적인 요소들을 갖춘 컴퓨터를 구매하고 있습니다. 과거 핸드폰 구매 시 선택 기준은 통화 품질이었습니다. 이제는 아무도 통화 품질을 따져가며 핸드폰을 구매하지 않습니다. 새로운 플랫폼의 등장이 기존 시장에 큰 변화를 가져온 것입니다. 자율주행 기술도 이와 마찬가지입니다. 자율주행차는 자동차 안에 컴퓨터 플랫폼이 들어가는 것입니다. 안전성, 연비, 친환경은 이제 기본 요소가 됐습니다.

자율주행 기술을 그저 자동차 기술의 하나로만 본다면 과거 스마트폰이 등장했을 때처럼 몇몇 기업은 뒤쳐질 것입니다. 본격적으로 자율주행차 시대가 열리면 기존 자동차 제조회사들은 큰 변화를 겪을 것입니다. 자율주행 시대를 대비하는 한 예로, 미국 자동차 제조업체 G사는 자율주행 기술 연구와 함께 카 셰어링 사업을 선언했습니다. 자율주행차 시대가 시작되면 자동차 업계에 다가올 변화를 예상하고 준비하는 것입니다.

자율주행 시대가 오면 소비자들은 둘로 나뉠 것입니다. 하나는 명품을 사는 부류입니다. 자동차에서 명품이란 유럽의 스포츠카 혹은 최고급 세단과 같은 차들을 말할 수 있습니다. 이 부류는 명차를 운전한다는 자부심을 가지고 있습니다. 최상의 자동차가 주는 운전의 즐거움을 누리는 것입니다. 이런 소비층을 대상으로 하는 회사들은 자율주행 연구에 대한 필요성을 크게 느끼지 못할 것입니다.

그러나 앞서 말한 G사 고객의 경우, 자율주행차가 등장하면 차를 구매하지 않고 자율주행 서비스를 이용하려할 것입니다. 그렇기 때문에 G사가 카 셰어링 서비스를 준비하는 것입니다. 우리가 보통 택시를 탈 때 자동차 브랜드를 보고서 타지 않는 것처럼 셰어링 서비스도 브랜드보다는 편의성에 초점을 두게 될 것입니다. 다가올 자율주행차 시대에 대비해 빠르게 서비스를 개발해서 시장을 선점하겠다는 의도가 있는 것입니다. 각 자동차 회사들은 자신들이 명품에 속하는지 아닌지 잘 생각해볼 필요가 있습니다. 자신들에게 맞는 시장전략을 준비하지 않으면 사라져간 핸드폰 제조업체들과 같은 운명을 맞이할 수도 있으니까요.

Q. 앞으로 어떤 방향으로 연구를 이어갈 계획인가요?
A. 기본적으로 인공지능을 기반으로 하는 자율주행차를 개발하고 있습니다. 자율주행차가 인공지능을 통해 인지, 판단, 제어를 할 수 있도록 하는 것이 저희 연구의 큰 흐름입니다. 궁극적으로 사람의 인지 능력과 판단 능력을 능가하는 제어기(Agent)를 개발하는 것이 목표입니다.

자율주행차의 구현 비용을 1만 달러 이하로 낮추는 것이 또 하나의 목표입니다. 앞으로는 엔디비아의 GPU 플랫폼을 사용하지 않고 경량화된 자체 플랫폼을 탑재할 예정입니다. 2호차부터는 센서를 내장하고 거의 개조 없이 차량 전용 프로세서를 게이트웨이에 연결하기만 하면 자율주행이 가능하도록 하는 것이 목표입니다. 자율주행차가 동급 사양 차량에 비하여 1천만 원 정도 추가 비용이 필요한 옵션 선택 사양이 될 때 자율주행은 대중화될 수 있다고 생각합니다.