주요 내용
자율주행 차량은 카메라와 센서로 구성된 복합 센서 시스템을 사용하여 주변 환경을 3차원으로 표현함으로써 사람의 개입을 최소화하고 위험 없이 운전할 수 있도록 합니다.
자율주행 차량은 운전 작업에 사람이 지속적으로 참여해야 하는 차량부터 사람의 개입 없이 자율적으로 공공 도로를 주행할 수 있는 차량에 이르기까지 다양한 수준의 자동화를 포함합니다.
자율주행 차량의 소프트웨어는 주변 환경의 다양한 측면을 고려하여 정보에 입각한 판단을 내릴 수 있는 인공지능과 머신러닝 기술에 크게 의존하고 있으며, 이 기술은 다양한 주행 시나리오에 더 많이 노출될수록 점점 더 능숙해지고 있습니다.
사람의 개입이 전혀 없는 자율주행차를 개발하려는 열망은 자동차가 처음 등장한 이래로 널리 퍼져 있었습니다. 한 세기 이상의 발전과 기술적 이정표에 따라 수많은 기관이 공공 고속도로에서 자율 주행 차량 테스트를 시작하면서 이제 우리는 그 어느 때보다 이 꿈을 실현하는 데 가까워졌습니다.
자율주행 차량의 작동 메커니즘에 대해 자세히 설명해주시고, 로봇 운전기사 시스템 실현을 위한 개발 현황에 대해 업데이트해 주시겠습니까?
자율주행차란 무엇인가요?
이미지 출처: 웨이모
자율주행차라고도 하는 자율 주행 차량은 사람의 입력 없이도 스스로 탐색하고 조작할 수 있는 첨단 기술을 갖추고 있습니다. 이러한 차량은 정상적인 상황에서 안전하고 효율적으로 작동하도록 설계되어 운전자의 개입을 최소화합니다. 그러나 긴급 상황이나 차량에 오작동이 발생하는 경우 운전자는 차량을 제어할 준비가 되어 있어야 합니다.
자율 주행 자동차는 어떻게 작동하나요?
자율 주행 차량은 주변 환경을 입체적으로 묘사하는 센서와 카메라의 집합체를 사용합니다. 그런 다음 고급 소프트웨어 알고리즘이 이러한 장치에서 수집한 데이터를 분석하여 도로에 존재하는 자동차, 보행자 및 장애물을 식별합니다. 이를 통해 차량은 도로의 정해진 지침을 준수하면서 안전한 방식으로 스스로를 탐색할 수 있습니다.
현재 여러 조직이 이 기술 개발에 참여하고 있으며, 이에 따라 자율 주행 차량을 만들기 위한 다양한 방법론이 연구되고 있습니다. 또한 이러한 차량의 기능에 따라 다양한 수준의 자율성이 지정되었습니다.
자율주행 차량을 경험하고 싶은 여행객은 웨이모를 통해 쉽게 차량 서비스를 예약할 수 있지만, 첫 여행을 이용하려면 애리조나 주 내에 거주해야 합니다.
자율주행차 레벨 설명
현재 전 세계에서 사용 중인 대부분의 자율주행차는 완전 자율주행 모델이 아니라 6가지 자율주행 레벨 중 하나에 속하며, 각 레벨은 이전 단계에 비해 더 높은 수준의 자동화를 제공합니다.
레벨 제로 차량은 전적으로 사람의 입력에 의존하며 어떤 형태의 자율 주행도 없으며, 운전자는 차량이나 다른 외부의 도움 없이 모든 운전 작업을 수행할 책임이 있습니다.
레벨 1 차량에는 크루즈 컨트롤과 같은 기본적인 운전자 보조 시스템이 장착되어 있지만, 여전히 운전자가 차량을 운전해야 합니다.
레벨 2 차량은 제한된 자율주행 기능을 갖추고 있어 조향과 같은 측면을 관리할 수 있지만 여전히 운전자의 존재가 필요합니다.
레벨 3 차량에는 주변 환경에 반응하여 주행 작업을 수행할 수 있는 조건부 자동화가 장착되어 있습니다.
4단계 자율주행 차량은 정교한 기술과 내비게이션 시스템을 활용하여 지정된 구역 내에서 차량이 독립적으로 운행할 수 있는 고도의 자율성을 자랑합니다.
레벨 5 차량은 사람의 개입이나 감독 없이도 공공 도로에서 독립적으로 운행할 수 있는 고급 자율주행 기능을 갖추고 있습니다.
현재 다양한 수준의 자율성을 갖춘 차량을 배치하려면 운행 중 다양한 수준의 인간 개입이 필요합니다. 처음 세 단계는 운전석에 사람이 탑승하여 차량을 제어해야 하는 반면, 이후 세 단계는 사람의 개입이 최소화되거나 전혀 필요하지 않습니다. 각 단계의 달성은 중요한 이정표가 되지만, 많은 조직의 궁극적인 목표는 사람의 감독 없이 완전 자율 주행이 가능한 레벨 5에 도달하는 것입니다.
자율주행차의 하드웨어
이미지 출처: Waymo
모순적이게도 하드웨어에 대한 제약은 자율주행차 영역에서 큰 문제가 되지 않습니다. 이론적으로 자율주행 차량의 작동에 필요한 유일한 센서는 표준 카메라이며, 소프트웨어 처리가 대부분의 계산 부담을 떠맡습니다. 그러나 다양한 센서를 활용하여 소프트웨어에 방대한 데이터를 제공하는 것이 안전 측면에서 훨씬 더 신중합니다.
자율주행차에서 라이다는 어떻게 작동하나요?
레이저 펄스를 사용하여 자율주행차 주변 환경에 대한 매우 상세한 3차원 모델을 생성하는 LiDAR(빛 감지 및 거리 측정) 기술입니다. 이는 초당 수많은 레이저 펄스를 방출하여 센서와 주변의 모든 물체 사이의 거리를 계산하는 데 활용됩니다. 이 시스템은 이러한 반사 시간을 분석하여 최대 수백 미터 떨어진 장애물의 위치와 치수를 정확하게 파악할 수 있습니다.
광 감지 및 거리 측정(LiDAR)의 활용은 자율 주행 자동차가 주변 환경과 그 안의 물체를 쉽게 이해할 수 있도록 도와줍니다. 이러한 물체에는 건물, 보행자, 동물 등 차량이 주행 중에 마주치는 모든 요소가 포함됩니다. 그러나 강우나 짙은 안개와 같은 악천후 조건에서는 라이다의 효율성이 크게 저하되므로 다양한 환경 조건에서 안정적인 내비게이션을 보장하기 위해 자율주행 차량에 추가 감각 모달리티를 사용하는 것이 중요하다는 점을 강조합니다.
자율주행차에서 레이더는 어떻게 작동하나요?
레이더는 자율주행 차량과 관련하여 라이다와 유사한 방식으로 작동합니다. 레이저 방출을 활용하는 대신 전파를 전송하고 주변 물체에서 반사된 신호를 분석합니다. 차량의 주변 환경을 파악한다는 목표는 동일합니다.
레이더 센서는 최대 10배 높은 해상도를 자랑하는 라이다 센서에 비해 해상도가 낮습니다. 그러나 레이더 기술은 강수량이나 안개와 같은 불리한 환경 조건에 의해 활용이 방해받지 않기 때문에 데이터 수집의 선명도가 가장 중요한 상황에서 매력적인 옵션이라는 점에 유의해야 합니다. 또한 레이더 기술 도입 및 구현과 관련된 비용은 일반적으로 라이다 시스템보다 합리적이기 때문에 막대한 비용을 들이지 않고도 정확하고 신뢰할 수 있는 데이터를 얻고자 하는 사람들에게 비용 효율적인 솔루션을 제공할 수 있습니다.
자율주행차에서 비주얼 카메라는 어떻게 작동하나요?
알파벳의 자회사인 웨이모와 테슬라는 자율 주행 차량의 센서 활용에 대해 서로 다른 접근 방식을 채택하고 있습니다. 웨이모는 기본 센서 어레이로 라이다, 레이더, 일반 카메라의 조합에 의존하는 반면, 테슬라는 내비게이션 목적으로 고급 카메라 기술과 소프트웨어 프로그래밍에만 의존하기로 결정했습니다.
얼굴 인식 기술의 활용은 오랜 역사를 가지고 있으며, 일반적으로 스마트폰과 고급 보안 시스템에서 사용되었습니다. 그러나 자율 주행 차량이 등장하면서 머신 러닝 기반 물체 감지 기능을 통합하여 차량 바로 근처에 있는 구조물, 자동차, 보행자 및 기타 물체를 식별할 수 있도록 함으로써 이 기능을 더욱 향상시키려는 의도가 있습니다.
기타 자율주행차 센서
레이더, 라이다, 카메라, 초음파 센서 등 센서의 활용은 자율주행차 작동의 기본입니다. 이러한 센서는 차량이 주변 환경을 종합적으로 인식하여 구급차의 사이렌 소리와 같은 시각 및 청각 자극에 모두 반응할 수 있도록 합니다.
자율 주행 자동차 “두뇌”
Tesla, Waymo 등을 포함한 모든 자율 주행 자동차는 센서에서 수집한 정보를 분석하기 위해 중앙 처리 장치 또는 “두뇌”에 의존합니다. 여러 자동차 제조업체가 이러한 종류의 기술을 독립적으로 개발하기로 선택했지만, Nvidia Drive AGX 플랫폼은 이러한 시스템의 주목할 만한 사례입니다.
자율주행차의 소프트웨어
효과적으로 작동할 수 있는 자율주행차용 소프트웨어를 개발하는 것은 제조업체에게 엄청난 도전 과제입니다. 노면 표시와 지리 정보에 의존하여 최신 고속도로를 따라 주행할 수 있는 프로그램을 설계하는 것은 비교적 간단하지만, 다른 차량이 경로를 침범하거나 갑자기 도로에 나타나는 동물과 같은 예상치 못한 장애물에 직면했을 때 이러한 시스템은 어떻게 대응할 수 있을까요?
도로의 예측 불가능성 때문에 자율주행차 소프트웨어는 다양한 시나리오에 적응할 수 있어야 하며, 그 중 상당수는 미리 예측할 수 없으므로 실시간 대응이 필요합니다.
자율주행차의 인공지능과 머신러닝
자율주행차의 개발은 핵심 구성 요소인 인공지능의 활용에 뿌리를 두고 있습니다. 이러한 차량은 복잡한 교차로, 도로 표지판, 다른 운전자, 보행자 및 기존 운전자가 일상적으로 인식하는 다양한 장애물을 포함한 광범위한 변수를 처리하여 운전할 때 인간의 인지 능력을 재현하고자 합니다.
도로에 존재하는 모든 물체를 완벽하게 식별할 수 있는 포괄적인 데이터베이스와 알고리즘을 개발하는 것은 인간의 능력을 넘어서는 일입니다.따라서 Tesla와 같은 제조업체는 머신 러닝 기술을 사용하여 학습을 통해 알고리즘의 기능을 향상시킵니다.
자율 주행 차량은 초기 데이터 입력이 필요한 머신 러닝 알고리즘에 의존하지만, 학습의 상당 부분은 실제 주행 중에 이루어집니다. 실제 도로에서 자율주행차를 테스트할 수 있는 능력은 기업에게 필수적이며, 더 많은 주행 경험을 축적할수록 자율주행차의 성능이 지속적으로 향상될 것이라는 의미이기도 합니다.
도로에서 보행자를 만났을 때 자율주행 차량의 행동은 머신러닝 알고리즘의 효율성을 보여주는 좋은 예입니다. 자동차는 경로를 변경하여 보행자를 피할 것인지, 브레이크를 밟고 정지할 것인지, 경적을 울려 보행자의 존재에 주의를 환기시킬 것인지 결정해야 합니다. 대부분의 경우 차량은 이러한 장애물에 대해 능동적인 자세를 취하므로 경적을 사용할 가능성이 없습니다.
차량은 속도, 거리, 기후 및 기타 여러 환경 변수와 같은 다양한 매개 변수를 고려하여 현재 경로에서 벗어나거나 브레이크를 밟을 필요가 있는지 여부를 판단해야 합니다. 핸들을 꺾으면 반대편에서 오는 차량의 경로에 놓이게 되는 경우, 차량은 대신 브레이크를 밟는 것을 선택할 가능성이 높습니다.
자율주행 차량의 성공적인 반응과 실패한 반응 모두 향후 문제 해결 능력을 위한 귀중한 정보를 제공합니다. 여러 자율주행 차량이 이러한 데이터를 축적하면 서로의 성능을 향상시킬 수 있습니다.
기타 자율주행차 소프트웨어 도구
자율주행차 작동의 이면에는 첨단 위치 추적 시스템과 운전자 주의 모니터를 비롯한 복잡한 소프트웨어 애플리케이션 네트워크가 존재합니다. 이러한 기술이 함께 작동하여 자동차가 경로를 정밀하게 횡단하여 안전과 효율성을 모두 보장합니다.
자율주행차 회사들이 소프트웨어 개발을 위해 채택한 다양한 접근 방식은 이러한 도구의 기능에 대한 투명성을 제한합니다.
자율주행차는 안전한가요?
현대 자율주행 차량의 안전성은 특히 자율주행과 관련된 사망 및 사고의 증가를 고려할 때 우려되는 문제입니다. 이러한 차량에 운전자 인식 모니터링 시스템이 광범위하게 설치되어 있다는 것은 개발자가 이러한 기술의 불완전성을 인정하고 있다는 사실을 증명합니다.
자율 주행 차량의 출현이 큰 주목을 받고 있지만, 이러한 경이로운 기술에는 아직 상당한 개발 장애물이 있다는 사실을 인정하는 것이 중요합니다. 따라서 자율 주행 교통수단에 열광하는 사람들은 도로를 스스로 탐색하고 잠재적으로 소유권을 되찾을 수 있는 인공 지능이 장착된 자동차를 구입하기 위해 조금 더 시간을 기다려야 합니다.