[원본] NRI Digital Consulting Edge / 自動運転開発の現在地 ― 2つの技術トレンドから各社の方向性を読む

1. 자율주행은 지금 두 흐름을 타고 진화하고 있다

AI의 발전을 바탕으로 자율주행 기술은 빠르게 고도화되고 있습니다. 미국과 중국의 일부 도시에서는 운전석에 사람이 없는 로보택시가 이미 도로를 달리고 있으며, 이른바 ‘레벨 4’ 자율주행이 현실이 되고 있습니다. 일본 역시 ‘전략적 이노베이션 창조 프로그램(SIP)’을 통해 상용화 목표 시점과 기술 개발 로드맵을 제시하며 기업의 투자와 연구를 지원하고 있습니다.

이러한 가속을 떠받치는 축은 크게 두 가지입니다. 하나는 기술 자체의 성능을 끝까지 끌어올리는 흐름이고, 다른 하나는 개발과 운영 방식을 더 효율적으로 만드는 흐름입니다.

첫 번째 흐름을 이 글에서는 ‘개별 기능의 고도화’라고 부릅니다. 주변 환경을 인식하고, 상황을 판단하고, 차량을 제어하는 각각의 기능 정확도를 높이는 기술입니다. 레벨 4 이상 자율주행을 상용화하려면 높은 안전성이 필수입니다. 폭우 속 주행, 갑작스러운 보행자 출현처럼 실제 도로에는 사전 시나리오를 벗어나는 까다로운 상황, 즉 엣지 케이스가 끊임없이 발생합니다. 이런 상황에 대응하기 위해 개별 기능의 고도화가 추진되고 있습니다.

두 번째 흐름은 ‘개발·운영 프로세스의 최적화’입니다. 자율주행 AI를 개발하려면 막대한 투자가 필요합니다. 상용화 이후에도 차량을 빠르게 늘릴 수 있는지, 즉 확장성이라는 비즈니스 과제가 따라붙습니다. 따라서 개발부터 운영까지의 전 과정을 효율화·자동화하고, 자율주행 시스템을 지속적으로 업데이트할 수 있는 구조를 만드는 작업이 중요해지고 있습니다.

두 흐름은 어느 한쪽만으로 충분하지 않습니다. 자율주행 개발에서는 두 축을 동시에 굴리는 역량이 필수입니다. 이 글은 자율주행 주요 기업을 ‘전통 완성차 기업’, ‘신흥 완성차 기업’, ‘기술 공급형 IT 기업’, ‘서비스 제공형 기업’의 네 유형으로 나누고, 각 기업군이 이 두 흐름에 어떻게 대응하고 있는지 특허 출원 데이터를 함께 보며 살펴봅니다.

이전 블로그 ‘자율주행 기술의 동향과 발전의 열쇠’ 보기

2. 두 흐름은 어떤 기술인가?

1) 기능 고도화 기술 — 상용화의 벽을 넘기 위한 기술

기능 고도화 기술은 자율주행을 구성하는 핵심 기능, 즉 인식·자기 위치 추정·경로 계획·차량 제어의 성능을 높이는 기술군입니다. 이 기능들은 비가 오거나 밤이 되거나, 센서 조합과 교통 상황이 달라져도 안정적으로 작동해야 합니다. 대표 기술은 다음과 같습니다.

• 센서 퓨전 기술(인식 기술)

  카메라, LiDAR¹, 레이더처럼 특성이 다른 여러 센서의 정보를 하나로 통합해 모순 없는 ‘전체 상황’을 구성하는 기술입니다. 악천후처럼 단일 센서만으로 정확한 파악이 어려운 조건에서도 각 센서의 약점을 서로 보완해 인식 신뢰도를 높입니다.

• 컴퓨터 비전 기술(인식 기술)

  카메라 영상을 AI로 분석해 차선, 표지판, 차량, 보행자 등 주변 환경을 식별하고 이해하는 기술입니다. 딥러닝을 활용하면 이미지 속 객체를 높은 정확도로 구분할 수 있습니다. LiDAR 의존도를 낮추려는 기업에 특히 중요한 기술이며, 악천후에서도 안정적으로 인식하기 위한 개발이 계속되고 있습니다.

• SLAM 기술(자기 위치 추정 기술)

  카메라와 LiDAR 정보를 바탕으로 차량이 현재 어디에 있는지 정확히 파악하는 동시에 주변 지도를 실시간으로 작성하는 기술입니다. 기존에는 고정밀 전용 지도에 의존하는 방식이 주류였지만, 지도 제작·유지 비용이 크고 지도가 없는 지역에서는 주행이 제한된다는 문제가 있었습니다. SLAM은 지도 의존도를 낮추고, 지도 정비가 부족한 지역에서도 안전하게 주행하기 위한 기술로 주목받고 있습니다.

• 계획 생성 기술(주행 판단 기술)

  주변 환경과 자기 위치 정보를 바탕으로 장애물을 피하고 교통 규칙을 지키면서 목적지까지 안전하고 효율적인 경로를 실시간으로 생성하는 기술입니다. 복잡한 교차로에서의 우회전·좌회전, 합류 타이밍, 보행자 움직임 예측에 따른 경로 조정처럼 사람 운전자에 가까운 자연스러운 판단이 필요한 상황에서 핵심 역할을 합니다.

2) 프로세스 최적화 기술 — 더 효율적으로 개발하고 계속 개선하기 위한 기술

프로세스 최적화 기술은 시스템 개발부터 상용화 이후 운영·개선까지의 전 과정을 효율적으로 운영하고 성능을 지속적으로 높이기 위한 기술군입니다. 방향은 크게 세 가지입니다. 시스템 설계 자체를 바꾸는 ‘아키텍처 혁신’, 개발부터 운영까지의 각 공정을 자동화하는 ‘프로세스 혁신’, 그리고 차량 한 대를 넘어 교통 시스템 전체를 최적화하는 ‘협조 혁신’입니다.

[아키텍처 혁신]

기존 자율주행 시스템은 인식·판단·제어 기능을 각각 별도 모듈로 만들고 나중에 결합하는 ‘모듈형’ 방식이 주류였습니다. 그러나 이 방식은 모듈 간 조율에 많은 시간이 들고, 시스템 전체를 최적화하기 어렵다는 한계가 있습니다. 이 한계를 넘기 위해 설계 방식 자체를 재검토하는 접근이 등장했습니다.

• 엔드투엔드 자율주행 기술(설계 사상의 혁신)

  센서 입력부터 차량 제어 출력까지 하나의 거대한 AI 모델이 통째로 학습하고 실행하는 접근입니다. 예컨대 카메라 영상을 입력하면 딥러닝 모델이 이를 통합적으로 해석해 가속·조향 값을 직접 계산하는 방식입니다. 기존 모듈형 구조에서는 인식→판단→제어 단계를 각각 개발하고 조정해야 했지만, 엔드투엔드 방식은 전체를 하나의 모델로 학습하기 때문에 조율 부담을 줄이고 실제 주행 데이터에서 직접 학습할 수 있다는 효율성의 장점이 있습니다.