테슬라·구글·중국까지…'자율주행 전쟁' 뒤처지지 않으려면

[서울대 전기정보공학부 최준원 교수·정병묵 기자] ‘테슬라 쇼크’로 대중들에게도 주목받고 있는 ‘E2E(End-to-End)’ 자율주행은 인공지능(AI) 데이터 학습을 통해 스스로 사고하고 행동하는 지능형 시스템의 완성형이라 할 수 있다. 센서 데이터를 기반으로 세계를 인식하고, 운전자의 의사 결정을 모방하며, 스스로의 경험을 축적해 더 나은 주행 정책을 학습하는 AI 기술이 중심이 된다. 현재 미국과 중국은 이미 E2E 자율주행의 상용화 단계에 진입한 반면, 우리나라는 다소 시작이 늦은 상태다.

테슬라 FSD로 부산 연산 교차로를 지나는 모습.(출처=유튜브 캡처)

테슬라, E2E 자율주행 주도…중국도 상당한 진전

테슬라 ‘완전자율주행(FSD)’은 데이터 중심 E2E 자율주행 기술을 주도하고 있다. 테슬라는 엔지니어링 차량부터 판매한 차량에서 데이터를 수집할 수 있는 인프라를 구축했다. 오토레이블링 기술을 통해 대규모 데이터를 자동 가공하며, 시뮬레이션 데이터와 실제 데이터를 결합해 학습 데이터를 구축한다. 이 학습 데이터를 기반으로 GPU로 구성된 클라우드 컴퓨팅 인프라를 활용하여 자율주행을 위한 AI 모델을 학습한다.

테슬라의 인지 모델은 라이더(LiDAR), 레이더에 의존하지 않고 360도를 커버하는 8개 카메라 영상만을 이용해 주변에 대한 정보를 얻어낸다. 주변의 3차원 지형 환경을 격자 형태로 표현하는 ‘3차원 점유 격자 예측 기능’을 통해 주변의 장애물이나 위험요소를 인식한다. 또 차선, 주행 가능 도로영역, 신호등 등을 센서 데이터를 통해 예측해 고해상도 지도에 의존하지 않는다. 테슬라는 FSD 버전 12부터 이러한 E2E 자율주행을 도입하여 상용화했고 빠른 성능 개선과 안전성 강화를 이뤘다.

구글 자회사인 웨이모는 테슬라와 같은 E2E 자율주행 구조는 아니지만 인지, 예측, 경로계획 모델에 AI 의존도가 매우 높고, 오랜 기간 수집한 데이터를 활용한 학습으로 높은 수준의 자율주행 기술을 달성했다. 웨이모는 현재 미국 피닉스, 샌프란시스코, 로스앤젤레스 등에서 ‘로보택시’를 운영 중이다. 중국은 정부 지원 아래 전략적으로 소프트웨어와 AI 분야에 집중 자율주행 기술력을 육성했고, 이러한 역량을 바탕으로 미국 주도의 E2E 자율주행 기술을 바짝 추격하고 있다.

제너럴모터스가 최근 국내에서 대형 SUV ‘에스컬레이드IQ’를 통해 자율주행 기술 ‘슈퍼크루즈’를 시연했다. (영상=이배운 기자)

한국은 비교적 이른 시기부터 자율주행 기술의 연구와 개발을 시작했지만, AI 기술과 데이터 기반 시스템의 도입이 늦어지게 되었다. 현대차그룹 포티투닷을 중심으로 2024년부터 E2E 자율주행 기술 개발에 착수했다. 개발부터 양산에 이르기까지 오랜 시간이 걸리는 전통적인 자동차 산업의 제조 패러다임 때문에 늦은 점도 있어 보인다. 그러나 소프트웨어 중심의 데이터 기반 자율주행 기술은 완전히 다른 개발 문화를 요구한다. 빠르게 개발과 배포를 반복하면서 실제 주행 데이터를 통해 문제를 발견하고, 이를 다시 학습에 반영해 개선하는 순환적 개발 프로세스가 필수다.

다행히 정부도 이러한 인공지능 기반의 자율주행의 중요성을 인식하고 올해 AI 미래차 M.AX 얼라이언스를 출범하고 E2E 자율주행차 개발을 지원하고 있다. 이러한 정책적 노력은 향후 미국과 중국의 자율주행 기술을 추격하는 데 중요한 기반이 될 것으로 기대된다.

E2E 자율주행 모델 개발에는 대규모 인력보다 최정예 AI 개발 인력이 중요하다. 테슬라나 웨이모는 유연한 고용 제도와 높은 보상 체계를 통해 세계 각국의 우수한 인재를 끌어들이고 있지만, 국내 고용 환경에서는 이러한 인재 확보가 쉽지 않다. 대부분의 AI 전문 인력이 전통적인 자동차 산업보다는 IT·컴퓨터 분야로 진출하기를 선호하기 때문에, 국내 자동차 기업들은 자유로운 조직 문화, 성과 기반 인센티브 제도를 마련하여 인재 유입을 유도해야 한다. 또한 차량용 소프트웨어와 반도체 기술의 성숙도 역시 E2E 자율주행 구현의 필수 전제 조건이다.

E2E 자율주행 기술 발전 전략…산학연 긴밀 협력

서울대 전기정보공학부 최준원 교수

국내에서 E2E 자율주행 기술을 성공적으로 개발하기 위해서는 올바른 방향의 국가 전략 수립과 함께 산업계, 학계, 연구기관 간의 긴밀한 협력 체계가 필수다. 우리나라는 대규모 자금과 세계 최고 수준의 인력을 민간에서 자체적으로 확보할 수 있는 미국형 산업 구조나, 정부가 주도적으로 특정 기업을 육성하고 경쟁시키는 중국형 산업 구조와는 다른 환경을 갖고 있다. 소프트웨어 및 AI 생태계가 아직 충분히 성숙하지 않은 국내 현실에서는 산학연의 협력 강화, 자원의 효율적 사용, 그리고 선택과 집중의 전략을 통해 자율주행 기술을 체계적으로 육성해야 한다.

현재 국내 자율주행 기업들은 대규모 데이터 센터 구축에 필요한 투자 여력이 제한적이다. 반면 정부는 생성형 AI를 중심으로 학습 인프라 자원 확보에 힘쓰고 있다. 이러한 국가 차원의 컴퓨팅 자원 및 데이터 센터 인프라가 자율주행 모델 학습에도 활용될 수 있도록 해야 하며, 자율주행 분야가 그 효용을 직접 누릴 수 있는 정책적 연계와 지원 체계가 마련돼야 한다. 즉, 정부가 주도해 자율주행 전용 클라우드 및 학습 인프라를 구축하고, 이를 국내 기업, 연구소, 대학이 공동으로 활용할 수 있게 해야 한다는 것이다.

현대 아이오닉5 로보택시

자율주행 AI 모델 개발에 필요한 핵심 인재의 확보는 기업과 학계 간의 산학 협력 강화를 통해 해결할 수 있다. 국내 대학의 AI 연구 역량은 이미 국제적으로 인정받고 있으며, 주요 AI 학술대회에 발표되는 논문 수만 보더라도 세계적 수준이다.

마지막으로, E2E 자율주행 기술의 성공을 위해서는 무엇보다 기술 중심의 기업 문화가 정착돼야 한다. 미국의 빅테크 기업들이 기술 주도의 혁신 문화를 정착시켰고, 중국이 이를 빠르게 수용하여 기술 발전을 이루어낸 것처럼, 한국 역시 수직적 제조 중심 문화에서 벗어나 수평적이고 협력적인 기술 중심 문화로 전환해야 한다. 기업은 핵심 기술력을 보유한 인재에 대한 투자를 아끼지 말아야 하며, 기술적 공헌이 기업 성장의 핵심 가치로 평가되는 환경을 조성해야 한다.