미래의 모빌리티 방향성 4가지 C.A.S.E.(Connected, Autonomous, Share & Service, Electric)에 대해 다쏘시스템의 김병균 컨설턴트, 구승회 인더스트리 컨설턴트, 김성태 인더스트리 컨설턴트가 공동집필한 연재글입니다
두 번째 시리즈 칼럼에서는 완벽한 자율주행 차량 및 고도화된 스마트 카를 위한 V2X를 알아봤습니다. 이번 칼럼에서는 자율주행의 핵심 기술 3단계와 자율주행 차량의 ‘안정성’ 검증을 돕는 기술을 살펴보고자 합니다.
매년 1월 라스베이거스에서 열리는 세계 최대 가전 박람회 CES에서는 2016년부터 ‘자율주행’이 화두로 떠올랐으며, 많은 자동차 회사들이 본 전시회에 참여했습니다. CES 2016 개최 시기의 기사들을 보면, 구글, 애플, 현대기아, 포드 등 자동차 산업과 전세계 기술 변화를 이끌던 글로벌 완성차 기업들과 ICT 업계는 2020년쯤 자율주행 차량의 성숙기가 도래할 것이라고 예측했습니다.
그렇다면, 현 시점에서 자율주행 차량 구현 기술은 얼마나 발전했으며, 앞으로 해결해야 할 도전과제로는 무엇이 남았는지 살펴보도록 하겠습니다.
C.A.S.E.와 연계된 새로운 모빌리티로 등장한 자율주행 차량
4년 전과 비교해 올해 개최된 CES에서는 자율주행 기술 그 자체가 아니라 ‘새로운 모빌리티’의 등장에 초점을 맞췄습니다. 자율주행 차량은 이번 연재 포스팅의 큰 맥인 커넥티드 카, 자율주행 차량, 차량 공유 및 서비스, 전기차(Connected, Autonomous, Share & Service, Electric, C.A.S.E.)의 4가지 기술을 모두 고려해야 하며, 자율주행 기술 하나만으로는 ‘스스로 운전하는 자동차’를 온전히 설명할 수 없습니다.
Figure1- 자율주행 차량과 연결된 다양한 기술 요소
자율주행의 3단계 핵심 기술, ‘인식 – 판단 – 제어’
Figure2- 자율주행 차량 구현의 3가지 핵심 기술: 인식 – 판단 – 제어
(1) 인식 – 복합적인 센서 기술로 근거리 및 원거리 물체들을 정밀하게 파악
자율주행 차량은 차량에 장착된 레이더, 라이다, 카메라, GPS 및 초음파 센서 등 다양한 종류의 센서들을 통해 주변 환경을 인식합니다.
Figure3- 자율주행 차량에 탑재되는 다양한 종류의 센서
‘레이더(Radio Detection And Ranging, RADAR)’는 전파를 물체에 쏜 후 이를 다시 수신하는 데 걸리는 시간을 통해 ‘물체와의 거리’를 측정하는 기술입니다. 전파를 사용하는 레이더와 달리, ‘라이다(Light Detection And Ranging, LiDAR)’는 빛(광 펄스)을 물체에 쏜 후 이를 다시 수신하는 데까지 걸리는 시간을 측정해 물체의 ‘형상’을 추측합니다.
레이더는 긴 파장을 사용하기 때문에 장거리에 있는 물체와의 거리를 측정할 수 있지만, 작은 물체를 식별할 수 없으며 정밀한 이미지를 제공하지 못한다는 단점이 있습니다. 반면에, 라이다는 작은 물체까지 감지할 수 있으며, 고해상도의 3D 이미지를 제작할 수 있습니다. 특히, 차량 위에 장착된 ‘스캐닝 라이다’는 뱅글뱅글 돌며 차량 주변 환경을 360도로 파악합니다.
컬러를 인지할 수 있는 ‘카메라’는 레이더와 라이다와 달리 차선, 그리고 주변 사물의 형태 및 색상 등의 정보를 인식해 두 센서를 보완하는 역할을 합니다.
‘GPS’는 차량의 위치 파악 역할을 하는 센서로, 지구 주위를 돌고 있는 인공위성들로부터 전파를 수신해 차량의 위치를 결정합니다.
‘초음파 센서’는 근거리 사물 측정을 위한 센서입니다. 차량 주차 시, 주변에 사람 또는 물체가 있으면 이를 인지하고 “삐” 하는 경보음을 울리게 됩니다.
앞으로는 자율주행 차량의 보다 정확한 환경 인식을 위해 V2X 기술을 꾸준히 발전시켜 자율주행 차량이 다른 차량, 사물, 도로 인프라, 신호 시스템 및 보행자들과 실시간으로 연결하고 정보를 교환할 수 있어야 할 것입니다.
(2) 판단 – 인간 수준의 주변 환경 파악 및 운전 방법 학습으로 완성도 높은 자율주행 구현
Figure4- 다양한 형태의 보행자
자율주행에서 가장 중요한 기술은 주변 상황에 대한 정확한 인식, 그리고 이에 기반한 정확한 판단입니다. 자율주행 차량이 인식 대상의 종류와 의미를 정확하게 파악해야 차량 제어를 올바르게 할 수 있습니다. 그러나 자율주행 차량의 기존 영상처리 기술은 표준적인 특징을 정의하기 어려운 사물들을 인식하는 데 한계가 존재합니다.
예를 들어, 보행자의 경우 우산을 쓴 보행자, 유모차나 수레를 끄는 보행자, 큰 짐을 들고 있는 보행자, 휠체어를 타고 있는 보행자 등 형태가 수도 없이 많기 때문에 모든 경우를 데이터화할 수 없습니다.
그래서 최근 자율주행 차량에 탑재되는 머신러닝 또는 딥러닝 인공지능이 특정 사물을 파악하는 원리를 스스로 학습하는 기술로 각광받고 있습니다. 인공지능 훈련을 통해 사물을 단순 인식하는 수준을 넘어서, 사람과 같이 사물의 의미를 이해하고 보행자의 다양한 형태와 움직임을 분류하고 파악하며, 차량의 진행 방향, 차도와 인도를 구분하는 등 높은 수준의 판단 능력을 갖게 됩니다.
또한, 인공지능은 해당 차량의 주행 데이터 또는 다른 차량의 주행 데이터를 바탕으로 운전 방법을 학습할 수 있습니다. 많은 양의 주행 데이터를 바탕으로 인공지능을 훈련시킬수록, 해당 기술이 적용되는 자율주행 기능의 완성도는 더 높아지게 됩니다. 인공지능 기술은 앞으로 자율주행 발전에 아주 중요한 역할을 할 것입니다.
(3) 제어 – 인식 및 판단 결과에 따른 자율주행 시스템의 작동
자율주행 기술의 마지막 단계는 자율주행 시스템이 인식하고 판단한 대로 차량을 움직이게 만드는 것입니다. 자율주행 시스템의 제어 영역은 다른 영역과 실시간으로 통신하면서 차속 조절, 조향, 제동, 운전자 알림 등에 대해 명령 받은 대로 작동합니다.
다쏘시스템 3D익스피리언스 플랫폼, 실제과 똑같은 가상 환경에서 자율주행 차량 검증
위에서 언급한 세가지 기술이 충분이 성숙했음에도 불구하고, 이 새로운 모빌리티 수단은 ‘대중의 안정성에 대한 기대 충족’이라는 큰 산을 넘어야 합니다. 우버의 무단횡단 보행자 추돌 사고, 테슬라의 자율주행 오작동 사건 등은 자율주행 차량이 아직 안전하지 않다는 인식을 심어줬습니다.
더 큰 재미를 느끼기 위해서 안전장치 없는 롤러코스터를 탈 수는 없는 일입니다. 이 때문에 자율주행 차량에 대한 검증은 매우 중요합니다. 다쏘시스템은 3D익스피리언스(3DEXPERIENCE) 플랫폼을 통해 가상 환경에서 현실에서와 똑같이 차량을 검증할 수 있도록 지원합니다.
Figure5- 다쏘시스템 3D익스피리언스 플랫폼으로 구현한 가상 환경
차량 혁신의 90%가 전자/소프트웨어에 기인하는 지금, 다쏘시스템의 3D익스피리언스 플랫폼은 동일한 CAD 상에서 회로 CAD의 정보를 기반으로 모든 기구 모듈 및 전장 모듈을 관리, 정의 및 연동할 수 있도록 지원합니다. 단순한 3D 형상 정의 및 관리 툴이 아니며, 요구사항/제품 모듈 간 기능의 논리적 연결, 그리고 기구, 전자 및 전장 설계 정보를 통합 관리 할 수 있는 특별한 환경을 제공합니다.
또한 가상 환경에서의 차량 검증을 통해 테스트용 자율주행 차량 제작 시간 및 비용을 절감할 수 있습니다. 또한, 실제 차량에서 발생한 문제를 가상 환경에서 해결한 후 그 솔루션을 실제 차량에 적용함으로써 이슈에 대한 보다 효율적인 대응이 가능합니다.
Figure6- 다쏘시스템 3D익스피리언스 플랫폼
완벽한 자율주행 차량을 만들 수 있을까요? 완벽한 자율주행 차량을 만들기 위해서 우리는 얼마나 많은 테스트용 자율주행 차량을 만들고 또 망가뜨려야 할까요?
고도화된 자율주행 차량 개발에 드는 시간 및 비용을 대폭 절감할 수 있도록 가상 환경에서 테스트용 자율주행 차량을 만들고 검증해보는 것이 어떨까요?
실제와 동일한 가상의 환경에서 자율주행 차량을 타 보면서 그 가치를 경험할 수는 없을까요?
If we ask the right questions, we can change the world.
세상을 바꿀 수 있는 혁신은 올바른 질문에서부터 시작됩니다.
