닫기

기획·칼럼

자율주행차 개발의 민주화 열풍

[ICT 레이더] 기술 지원으로 자율주행차 시장 진입 장벽 낮춰

작년 10월 시장조사전문기관 ‘가트너(Gartner)’는 10대 유망 추세 중 하나로 ‘전문성의 민주화(Democratization of Expertise)’를 선정했다. 전문성의 민주화는 인공지능(AI)으로 인해 등장한 추세이다.

가트너는 AI 적용으로 특정 분야의 진입 장벽이 낮아질 것으로 전망했다. 이러한 전망에 따르면, AI 툴은 특정 분야의 비전문가도 쉽게 접근할 수 있게 한다.

특히 그동안 고도의 지식과 훈련이 요구됐던 데이터 분석이 쉬워질 전망이다. 가트너는 2020년에 데이터 분석 업무의 40%가 자동화 될 것이라고 예측했다.

또한 AI 개발 난이도도 낮아지고 있다. 이는 AI 개발 툴이 크게 활성화돼 있기 때문이다. 텐서플로우, 파이토치, 코그니티브툴킷(CNTK) 등 AI 개발 툴은 AI에 필요한 내용을 지원하고 있다.

클라우드에서는 이미 만들어진 AI 서비스(AIaaS)를 제공하고 있는데, 이는 AI 비전문가도 이를 기반으로 쉽게 AI 서비스를 제공하게 한다.

이처럼 전문성의 민주화는 AI로 말미암아 전문성이 보편화된 상태를 뜻한다. 그런데 이러한 민주화는 AI 분야에만 국한되지 않는다. 자동차 산업에도 이러한 추세가 보이기 때문이다. 특히, 자율주행차 부분에서 두드러지고 있다.

제조에서부터 자율주행까지 기술 제공

소니의 비전S. ⓒ 유성민/ScienceTimes

자율주행차 민주화 대표 사례로 소니를 꼽을 수 있다. 소니는 지난 1월 미국 국제전자박람회(CES)에서 자체 제조한 프로토타입형 자율주행차 ‘비전S(Vision-S)’를 공개했다.

비전S 전시는 자동차 제조 진입장벽이 낮아졌음을 보여준다. 소니는 가전 기업임에도 불구하고, 자동차를 자체 제조해 시연했기 때문이다. 엄밀히 말하면, 전기차의 제조 구조가 좀 더 단순해진 것으로 볼 수 있다. 자동차 구동에 핵심인 파워트레인을 단순화하기 때문이다.

LG 경제연구원에 따르면 기존 내연 기관차의 파워트레인은 자동차 전면부를 차지할 정도로 공간도 많이 차지하고 부품 수도 많았다. 그러나 전기차 등장은 파워트레인에 들어가는 부품 수를 80%가량 절감시켰다. 이는 제조 단순화뿐만 아니라 자동차 공간을 넓히게 하는 효과를 가져왔다.

E-Shock의 파워트레인. ⓒ 유성민/ScienceTimes

파워트레인의 단순화는 자동차 제조 기업이 아니고서는 접근할 수 없는 영역이다. 그런데 파워트레인 자체를 만들어 제공한다면 이야기는 달라진다. 이쇼크(e-shock)는 롭.Y(Rob.Y)라는 전기차 전용 파워트레인을 선보였다. 이는 일반 기업이 이를 기반으로 전기차를 개발할 수 있게 돕는다.

또한 자율주행차 개발을 위해서는 자동차 제조 기술과 함께 자율주행 기술까지 보유해야 한다. 이를 위해서는 자율주행 구동 하드웨어 기술과 자율주행 시스템 기술이 필요하다.

엔비디아(NIVIDA)는 하드웨어 기술인 ‘드라이브 AGX 페가수스(Drive AGX Pegasus)’와 소프트웨어인 ‘드라이브 AV(Drive AV)’를 제공하고 있다. 드라이브 AV는 자동차 센서로부터 오는 주변 환경을 인식해 자동차의 자율주행을 돕는다. 엔비디아는 드라이브 IX도 제공하고 있다. 해당 기술은 운전자와 주변 환경을 감지해 필요시에 운전자에게 경고를 보내는 소프트웨어 기술이다.

퀄컴은 자율주행 플랫폼인 ‘스냅드래곤 라이드(Snapdragon Ride)’를 선보였다. 스냅드래곤 라이드에는 자율주행 구현에 필요한 시스템과 하드웨어를 제공한다. 2023년까지 해당 플랫폼을 탑재한 자동차를 공개하는 것이 목표이다.

중국 스타트업인 호라이즌 로보틱스(Horizon Robotics)도 자율주행 구현에 필요한 기술을 적극적으로 지원할 전망이다. 지난 1월 호라이즌 로보틱스는 자율주행 플랫폼을 선보였다. 해당 플랫폼은 자율주행에 필요한 하드웨어 장치와 시스템도 함께 지원할 계획이다.

자율주행 시뮬레이션까지 함께 지원

자율주행 기술 외에도 자율주행 시스템 안정성 향상을 위해서는 모의 자율주행이 필요하다. 자율주행 학습 데이터 축적이 필요한 셈이다.

이를 위한 공간은 마련돼 있다. 스웨덴의 아스타제로(AstaZero), 미국의 엠시티(M-City), 한국의 케이시티(K-City) 등 모의 자율주행을 위한 모의 도로가 구성돼 있다.

그러나 이것만으로 충분하지 않다. 자율주행차 안전을 위한 모의 주행 학습량이 엄청나게 요구되기 때문이다.

싱크탱크 연구소 ‘랜드 연구소(RAND Corporation)’는 자율주행차의 안전 보증을 위해 얼마나 많은 시험을 진행해야 하는지를 연구했다. 그리고 분석 결과, 약 88억 마일(약 141.62억 킬로미터)을 모의 주행해야 가능하다는 결론을 도출했다. 이는 시간당 25마일(약 40.23킬로미터)을 달리는 자율주행차 100대가 365일 동안 계속 주행 시험을 할 경우 400년이 지나서야 가능한 일이다.

그래서 등장한 기술이 자율주행 시뮬레이터이다. 해당 시뮬레이터는 가상 공간에 모의 주행을 진행할 수 있게 한다. 알파고가 수천 년 동안 익힐 수 있는 기보를 가상 공간에서 36시간 만에 가능하게 한 것처럼, 해당 기술 또한 모의 주행에 필요한 시간을 비약적으로 줄여준다.

현재 많은 기업에서 자율주행시뮬레이터를 제공하고 있다.

2017년 11월 인텔과 도요타는 공동 연구를 진행해 개발한 시뮬레이터 ‘카를라(CARLA: Car Learning to Act)’를 공개했다. 2018년 9월에는 엔비디아(NVIDIA)가 자체 자율주행 시뮬레이터 ‘드라이브 콘스텔레이션(Drive Constellation)’을 공개했다.

프라이스워터하우스쿠퍼스(PwC)에 따르면, 자율주행 보편화까지는 10년 남았다. 2030년이 돼야 4단계 이상의 자율주행차 비중이 49%가량 될 전망이기 때문이다.

(348)

태그(Tag)

전체 댓글 (0)

과학백과사전