시뮬레이션, 자율주행 시대를 이끈다

국내에서 2027년까지 레벨 4/4+ 자율주행 상용화를 위한 자율주행 기술개발혁신사업이 시작됐고 다수의 과제에서 자율주행 시뮬레이터 기반 검증/평가 방법에 대한 연구를 진행하고 있다. 이런 정부의 흐름에 맞춰 자동차 제작사, 부품사, 시뮬레이션 툴 개발사 등이 협력해 자율주행의 안전성과 신뢰성을 평가할 수 있는 툴 체인 개발에 집중하고 있다. 자율주행 시뮬레이터는 논란의 여지 없이 그 필요성과 중요성이 높아지고 있다. 모라이의 정지원 대표가 말한다. 

글 | 정지원 대표, Morai
관련기사 | 자율주행 레벨 3의 서막 ‘ISO 5083’ (autoelectronics.co.kr)
              시뮬레이터로 하는 자율주행 전망 (autoelectronics.co.kr)
              레벨 4를 위한 K-City의 업그레이드 (autoelectronics.co.kr)







최근 세계 유수의 기업 및 산업이 자율주행 기술 개발에 적극적으로 뛰어들면서 자율주행 시장이 뜨거워지고 있습니다. 자율주행차가 한국의 핵심 기술로 자리를 잡아 미래 먹거리 산업이 될 거라는 전망이 쏟아지고 있습니다. 이런 가운데 자율주행 시뮬레이션은 자율주행의 상용화를 위한 필수 기술로 관심을 받고 있습니다.

일 예로, 자율주행 시스템의 안전성과 신뢰성을 보증하기 위해서는 무한대에 가까운 주행거리가 필요합니다. 이를 실도로 주행만으로 달성하기에는 불가능합니다. 실제 도로에서는 다양한 빛 조건, 날씨 조건, 도로의 기하구조 등 다양한 변수가 존재하며, 갑자기 끼어드는 차량, 야생동물 등 예측하기 힘든 돌발상황들이 발행하기 때문에 이 모든 변수에 대응하기 어렵습니다.

미국의 싱크탱크기업인 랜드연구소(RAND)는 자율주행 자동차가 사람과 같은 수준에 이르기 위해서 무려 4.4억 킬로미터(약 2.75억 마일)에 이르는 주행 데이터를 수집해야 한다고 분석했습니다. 이는 자율주행 자동차 100대가 12.5년 동안 꾸준히 진행해야 도달할 수 있는 성과입니다. 다만, 사람과 같은 수준이라는 의미에는 여전히 사고 가능성이 존재함을 내포하고 있습니다. 랜드연구소는 자율주행차가 사람보다 20% 더 운전을 잘하려면 약 141.6억 킬로미터(약 88억 마일)의 주행 시험을 거쳐야 하며, 이를 뛰어넘으려면 무려 약 177억 킬로미터(억 110억 마일)나 주행 시험을 계속해야 한다고 분석했습니다. 이를 시간으로 환산하면 500년에 이릅니다.

특히 운전자 지원 시스템이 아닌 3단계 이상의 자율주행 시스템에 있어서 시뮬레이터의 역할이 더욱 중요해지고 있습니다. 실제 도로에서는 사고 상황을 반복 테스트할 수 없을 뿐 아니라, 사고 상황은 빈번하게 발생하지 않습니다. 실도로 테스트 중에는 마주할 수 있는 상황은 평이한 상황이 대부분입니다. 또 자율주행이 실패하는 상황을 마주치기 위해서는 복잡한 교통상황에서 빠른 속도로 주행해야 하는데, 안전이 확보되지 않기 때문에 동일한 상황을 반복 재현하기 매우 어렵습니다. 하지만 자율주행 시뮬레이터는 실도로 환경을 가상환경에 재현해 미러 월드(mirror world)를 구성하고 실도로 실험의 부족한 마일리지를 달성해주는 역할을 합니다. 실도로에서 발생한 사고상황이나 오버라이드(override) 상황을 반복 재현해서 테스트할 수 있는 것도 장점입니다. 이런 배경에서 자동차 제작사, 인증/평가 기관, 모라이와 같은 스타트업 등이 이런 문제를 해결하기 위해 자율주행 시뮬레이터 개발에 나서고 있습니다.



국내외 시뮬레이션 동향  

UNECE WP29 VMAD(Validation Method for Automated Driving)에서는 자율주행 시뮬레이션과 관련된 연구를 진행하고 있습니다. 시뮬레이션 센서의 정합성, 시뮬레이션 방법론, 시뮬레이션이 필요한 이유 등 다양한 분야에 대해 연구하고 있습니다. 또한 ISO 21448, TR 4804, TS 5083, ISO 34502와 같은 표준이 마련됐으며, 이런 표준에는 개발 방법론과 관련 예시 등이 나타나 있습니다.




자율주행 테스트를 위한 표준 활동



국제기준을 만드는 WP29에서는 기준 개발의 중요성 및 시급성을 인지하고 WP29 내에 자율주행차, 커넥티드 카의 안전기준을 제정하는 GRVA라는 전문가 그룹을 만들고 그 산하에 4개의 Informal Working Group을 구성해 안전기준을 개발하고 있습니다.

평가 방법을 개발하는 VMAD는 하위에 4개의 별도의 Sub Group을 만들어 기준을 개발하고 있습니다. 시나리오 부분은 SG1에서, 시뮬레이션 및 Virtual Test는 SG2, 청문 및 적합성 분야는 SG3, 그리고 트랙 테스트나 실도로 테스트 분야는 SG4에서 담당하고 있습니다. 자율주행차 분야에서 논의되고 있는 표준으로는 고장안전 분야: ISO 26262, SOTIF 분야: ISO 21448, 사이버보안 분야: ISO 21434, 성능평가 방법 분야: ISO TS 5083이 대표적입니다.

국내에서는 2027년까지 레벨 4/4+ 자율주행 상용화를 위해 자율주행 기술개발혁신사업을 시작했고 다수의 과제에서 자율주행 시뮬레이터 기반 검증/평가 방법에 대한 연구를 진행하고 있습니다. 대표적으로 산업부의 혼합현실 기반 시뮬레이션, SOTIF 연구, 국토부의 관제 센터 연동형 자율주행 시뮬레이션 기술, 디지털트윈 기술 연구, 과기부의 시뮬레이션을 위한 핵심 기능 연구개발 연구가 진행되고 있습니다. 이런 정부의 흐름에 맞춰 자동차 제작사, 부품사, 시뮬레이션 툴 개발사 등이 협력해 자율주행의 안전성과 신뢰성을 평가할 수 있는 툴 체인 개발에 집중하고 있습니다.




자율주행기술개발 혁신사업



모라이의 경우 네이버랩스, 네이버 클라우드와 협력하며 디지털트윈 기반 시뮬레이션 플랫폼을 개발하고 있으며 네이버랩스의 ALT 플랫폼 개발 및 검증에 참여하고 있고 네이버 클라우드 시스템을 활용해 대규모 시뮬레이션 플랫폼 구축을 진행하고 있습니다.



시뮬레이션 핵심 기술  

시뮬레이션 핵심 구성요소는 크게 두 가지로 환경 모델, 센서 모델이 있습니다. 환경 모델은 정밀도로 지도, 3차원 공간정보 데이터 등의 GIS 데이터들을 활용하여 실도로 주행 환경을 가상화하고 시간대, 날씨, 교통량 등을 재현하는 것을 의미합니다. 다만 현재 대부분 기업은 수작업으로 정적 환경 모델링을 진행하고 있으며, 동적인 시나리오를 설정하는 과정도 수작업으로 생성하고 있어 아주 단순한 환경에서 단순한 시나리오에 대해서만 구성할 수 있습니다. 대규모 시나리오와 환경을 생성하기 위해서는 높은 비용과 인력이 소요되는 한계가 있습니다.

엔비디아, 웨이모 등은 실도로 주행 데이터를 기반으로 가상환경을 자동으로 생성하는 인공지능 기술들을 개발하고 있습니다. 특히 2D 이미지 데이터로부터 3D 가상주행 환경을 자동으로 생성하는 neural reconstruction 기술들을 개발하고 있으며 정적인 환경뿐 아니라, 시나리오를 구성하는 동적 객체들을 편집, 재가공해 새로운 시나리오를 만들고 객체들을 추가/삭제할 수 있는 기능들도 개발 중입니다. 실제 주행에는 없던 보행자를 추가하거나 주변 차량의 궤적을 편집해 새로운 장면을 구성하는 것입니다.

센서 모델은 실제 센서의 동작 방식과 데이터 형태를 모델링한 가상 센서 모델입니다. 센서 모델의 기술 수준 및 한계로는 기존의 운전자 지원 시스템에는 전방 카메라, 전방/측 후방 레이다가 주로 쓰였으나 자율주행으로 넘어가기 위해서는 훨씬 많은 센서가 필요합니다. 전방, 전방위 카메라, 다수의 레이다, 라이다, 정밀항법장치 등이 쓰이게 되고, 이렇게 많은 센서를 가상화하고 실시간으로 재현해내기 위해 많은 연구개발이 진행되고 있습니다. 

첫 번째로는 합성 데이터와 실제 수집 데이터를 학습시켜 합성데이터를 실제와 유사한 데이터로 변환하는 연구들이 진행되고 있으며, 물리 엔진(게임엔진) 등에서 실시간으로 많은 양의 연산을 처리하기 위해 다양한 기법들이 개발되고 있습니다. 이런 센서 모델의 정합성을 실제 수집 데이터와 합성데이터의 비교를 통해 검증하게 되며 주야간, 다양한 날씨 환경, 노면 환경 등에 대한 데이터를 모사하기 위해서는 수많은 데이터가 필요합니다.

 


향후 과제는  

자율주행 시뮬레이터는 논란의 여지 없이 그 필요성과 중요성이 높아지고 있습니다. 
단 앞에서 언급한 것처럼 자율주행 시뮬레이터의 충실도, 현실성, 실제와의 정합성 등이 동시에 해결돼야 하는 과제가 있습니다. 
자율주행 시뮬레이터가 자율주행 상용화의 유일한 해답은 아닙니다. 가상환경에서의 검증, PG(proving ground) 기반의 시험, 실도로 시험이 유기적으로 연동돼야 합니다. 이를 통해 각 단계에서 발생하는 데이터를 추적할 수 있도록 하고, 자율주행차가 마일리지를 적립하면 할수록 더 똑똑해지고 안전성을 고도화할 수 있는 체계를 갖추는 것도 중요합니다.

---