자율주행에 필요한 주요 핵심 기술_하드웨어 편

 앞서 자율주행 기술이라는 것이 무엇인지를 살펴보았다면, 이를 위해 필요한 기술이 어떤 기술들이 있을지 살펴보는 것도 무척 의미 있는 작업이 될 것이다. 자율주행과 관련이 있는 무수히 많은 기술이 있겠지만, 그중에서도 오늘은 인공지능과 딥러닝 기술에 대해서 살펴 보고자 한다. 자율주행이란 말 그대로 자동차가 스스로 운전하는 것을 의미한다. 그렇다면, 자동차가 어떻게 스스로 주변 환경을 인식하고, 어떻게 적절한 판단을 내리며, 자동차를 어떻게 조종하는 것일까? 이에 대한 해답을 구하기 위해서는 먼저 정보를 인식하는 것부터 살펴볼 필요가 있다. 우리가 자동차를 운전하고 있다고 가정해 보자. 운전자는 운전할 때, 주로 시각을 활용하여 자동차 주변 환경에 대한 정보를 받아들이고 인식한다. 시각적인 정보뿐만 아니라, 청각적인 정보 입수도 마찬가지이다. 도로에서 자동차 주행을 개시할 때, 내 주변에 몇 대의 차가 얼마만큼 가까이 있으며, 차선은 어디로 어떻게 그려져 있고, 신호등은 어떤 신호인지, 주변에 보행자는 없는지, 장애물은 어디에 있고 얼마나 멀리 있으며, 어떤 형상인지 등은 시각적으로 인지하고, 주변에 응급차 사이렌 소리가 들릴 경우, 내 뒤에 있는 자동차가 갑자기 경적을 울릴 경우, 내 지인이 차창을 똑똑 두드릴 경우 등, 청각적인 정보 또한 필요하기 마련이다. 자율주행의 경우, 여러 가지 차량용 센서가 사람의 눈과 귀를 대신한다. 카메라, 라이다, 레이다, 열화상, 음파 등등 점차 자동차에 적용되는 센서의 종류와 개수가 증가하는 추세이며, 이는 자율주행이 보다 대중화되고 있다는 것을 방증한다. 특히, 카메라, 라이다, 레이다는 자동차 주위의 환경에 대한 거리를 인지하고 이를 시각적으로 표현해 주기도 한다. 주변에 움직이는 것이 사람인지, 차인지, 카메라인지, 강아지인지를 알기 위해서는 먼저 그것을 ‘인지’하는 것이 가장 첫 번째 단계이며, 자동차에서는 여러 가지 자동차 센서들을 통해 이를 정확하게 ‘인지’할 수 있게 되는 것이다. 최근 여러 자동차 센서류를 통해 얻게 되는 무수히 많은 데이터를 적절하게 조합하여, 사람이 실제 환경을 보는 것과 같은 입체적인 이미지를 디스플레이해주기까지 이르렀다. 운전자가 자동차 주위의 상황을 인지한다면, 그다음 단계는 적절한 판단을 내리는 것인데, 이에 앞서 선행되는 것을 예측하는 것이다. 만약 내가 시속 100km로 가속을 한다면 앞 차와의 거리는 얼마나 될지, 끼어들기 할 때 어느 정도의 속도를 낸다면 끼어들기 적합한 속도가 될지, 저 멀리 신호등에 빨간불이 들어왔는데, 어느 시점에 얼마만큼의 강도로 브레이크를 밟아야 할지 등, 적합한 판단을 위해서는 반드시 이 ’예측‘의 단계를 거쳐야 한다. 

 자율주행에서 필요한 가장 중요한 첫 네 가지 단계, 즉 ’인지‘, ’분석‘, ’예측‘, ’판단‘을 차례대로 짚어보았다. 자율주행 기술에서 가장 첫 ’인지‘의 단계는 최근의 최첨단 자동차용 센서들의 역할이다. (카메라, 라이다, 레이다 등) 하지만, 그 이후의 단계들의 경우, 자율주행 기술은 딥러닝, 인공지능 등의 기술이 필요하다. 입수된 정보들을 적절하게 가공하고 표현하여 주변 상황을 분석하고, 이런저런 판단을 내렸을 때 어떤 상황이 펼쳐질지를 사전에 시뮬레이션하여 예측하고, 이를 통해 가장 적합한 최적의 판단을 내리기 마련이다. 이를 통해, 사람이 직접 운전하는 것보다 자율주행 자동차가 스스로, 자율적으로 운전하게 될 경우, 사고율을 낮출 수 있다는 이론적인 가설이 세워질 수 있는 것이다. 이 인공지능은 최근 딥러닝 등의 기술과 접목하는 등, 과거보다 더욱더 다양하게 개발되고 연구되고 있지만, 그렇다고 반드시 이 인공지능을 통한 자율주행이 사람이 직접 운전하는 것보다 안전하다고 100% 장담할 수는 없다. 그러한 이유로, 딥러닝 기술을 보다 더욱 발전시킬 필요가 있는데, 이는 자동차 스스로가 더욱 열심히 공부하고 연구함으로써 나의 자동차가 나보다 더욱 적절한 판단을 내릴 수 있도록 도와준다는 의미이기 때문이다. 무수히 많은 데이터를 기반으로 분석해서 최적의 결론을 도출하는 것이 가능하다면, 인공지능을 통해서 보다 안전한 자율주행이 가능할 수 있다는 뜻이니 말이다. 즉, 무수히 많은 주변 환경의 데이터를 컴퓨터에 입력하여 분석하게 하고, 무수히 많은 상황별 최적의 판단 사례와 운전 데이터를 입력한다면, 보다 안전한 도로 주행이 가능해질 것이다. 비유하자면, 서울시청에서 부산 해운대까지 가는 자동차에 대한 수백만 번의 데이터와 사례를 입력하면, 보다 더 정확하고 안전한 판단을 내릴 수 있는 자율주행이 가능해진다는 의미이다.

 이를 위한 첫 번째 시도로, 자율주행 기술이 탑재된 자동차가 무수히 많은 도로 주행 데이터를 얻도록 하는 것이다. 이를 통해 얻게 된 많은 데이터를 통해, 실제 도로의 정확한 데이터와 실제 주행 중에 일어나는 많은 사례가 데이터로 쌓이는 것이고, 이때 내려지는 판단의 정확도와 적합성을 지속적이고 반복적으로 학습하게 되는 것이다. 이 때문에 여러 자율주행 기술 회사들이 데이터를 얻기 위해 혈안이 되어있고, 실제 시험 차량이 공공 도로, 또는 시험 주행 서킷을 운행하게 하는 것이다. 만약 이 방법이 여의찮다면, 시뮬레이션으로라도 데이터를 얻는 방법이 있다. 딥러닝 등의 인공지능 기술을 기반으로 자율주행을 가능케 했다면, 앞으로의 초연결 시대에 어떻게 자동차와 네트워킹하는지에 대해서도 살펴볼 수 있는 기회를 만들어 보겠다.