선행상세지도, 실시간 센싱 데이터 등 빅데이터 구축에 주력
차원용 박사, 구글 자율차 특허 110개 찾아 정밀 분석

구글(Google) 자율주행차의 특허가 센서 시스템, 자율주행컴퓨터시스템, 사용자-자율차 간의 인증 시스템 등에 주로 몰려있는 것으로 분석됐다. 

국내 대표적인 미래학자이자 아스팩미래기술경영연구소(주) 대표 소장인 차원용 박사는 최근 펴낸 ’구글 인공지능형 자율자동차 집중 특허 분석’이라는 책을 통해 이같이 밝히며, “구글 대부분의 특허는 미국 SAE에서 규정한 레벨(L) 3과 4에 맞춰져 있다”며, “자율주행차의 핵심인 인공지능(AI)-기계학습(ML)-딥러닝(DL)과 관련된 소프트웨어 설계능력과 이를 바탕으로 실제 도로주행테스트를 하면서 일어난 상황과 대처와 학습에 관한 특허”라고 말했다.

센서 시스템, 자율주행컴퓨터시스템, 사용자-자율차 간의 인증 시스템 등에 특허 몰려

차 박사는 구글의 셀프 드라이빙 카(SDC, Self-Driving Car) 프로젝트인 반자율차(Self-Autonomous Car)와 자율차(Autonomous Car)와 관련하여, 2009년부터 2015년 12월 31일까지의 구글의 특허 250개를 찾아, 그 중 110개의 중요한 특허를 분석하였다. 이들 특허의 대부분은 자율주행차의 핵심인 센서 시스템(Sensor System)과 자율주행컴퓨터시스템(Autonomous Driving Computer System), 상용화되었을 때 사용자와 자율차 간의 인증 시스템 등이다. 
 
구글이 이러한 특허를 보유하기까지는 그 동안의 숨은 노력이 있었으며 이는 현재 진행형이다. 구글은 2009년부터 2016년 1월 31일까지 반자율차 55대로 2개 주의 2개 도시에서 도로주행테스트를 진행했다. 2009년에 토요타 프리우스(Toyota Prius)로 캘리포니아에서 테스트를 시작한 이래부터 총 주행테스트 거리는 385만km(2,408,597마일)로, 이중 자율모드(Autonomous mode)로 주행한 거리가 227만km이다. 이는 전체의 약 60%에 해당하며 구글은 지난해 이 수치를 80%까지 끌어올렸다. 


▲구글은 2009년부터 2016년 1월 31일까지 반자율차 55대로 2개 주의 2개 도시에서 도로주행테스트를 진행했다.(사진 Google)

그렇다면, 자율모드 주행을 90% 이상 하지 못한다는 것은 아직 기술적 결함이 많다는 것을 의미할까. 이에 차원용 박사는 “그것도 학습의 한 과정”이라고 잘라 말한다. 그는 이에 “대부분의 사람이 구글의 실제 도로 주행테스트만 알고 있는데 반자율차가 차고를 나가기 전에도 반자율차가 학습할 수 있는 매우 강력한 시뮬레이터(simulator)가 있다면 차고에서도 학습할 수 있다”며, “이러한 시뮬레이터의 버추얼 랩에서 구글의 반자율차들은 하루에 300만 마일(480만km)의 버추얼 도로를 주행하면서 학습하고 있다”고 지적했다. 

이와 관련하여 자율모드 기능 해제를 명시한 대목도 주목해야 한다고 덧붙였다. 구글 자율주행차는 그 동안 341회의 기능을 해제하였는데 일반도로(Street)에서의 해제가 대부분(304회)을 차지했다. 반면에 고속도로(Highway) 등에서의 기능해제는 32회에 그쳤다. 자율주행모드의 해제 사유는 도로의 기상 상태와 무단 횡단과 같은 도로에서 일어날 수 있는 돌발 상황이었다. 차 박사는 “중요한 점은 구글이 이들 기능 해제 원인을 찾아, 버추얼 랩에서 돌려 자율주행차를 학습시킨다는 사실이며 이러한 결과가 특허 출원으로 나타난다”고 말했다.  

융합센서시스템과 융합알고리즘 주목

구글의 특허 분석에서 나타난 센서 시스템, 자율주행컴퓨터시스템, 사용자-자율차 간의 인증 시스템은 어떤 내용이 담겼을까. 자율주행차 핵심의 하나인 센서 기술에서는 지붕, 거울이나 앞범퍼와 뒤 범퍼 또는 측면 도어 또는 차체 아래 등에 달린 카메라, 레이더, 라이다, 초음파, 오디오 등의 센서들로 이루어진 융합센서시스템과 융합알고리즘(Sensor Fusion Algorithm)이 주목된다. 


▲Google Self-Driving Car Project (사진 Google)

그 다음에 중요한 것은 주행 데이터이다. 즉 빅데이터를 기반으로 한 선행상세지도(Detailed Prior Map)와 실시간 센싱 데이터(Detailed Real-Time Data)가 맞아야 자율주행이 가능하다는 점이다. 운전자가 직접 운전하는 매뉴얼모드로 주행테스트를 하면서 도로의 종류와 차선 넓이, 차선 형태(점선/실선 등), 갓길, 표지판, 난간, 나무, 장애물, 교차로의 종류와 교통신호등의 형태 등을 스캔한 후, 이 데이터들을 바탕으로 정밀하고 상세한 지도를 새롭게 만들어야 한다는 것이다. 

이 선행상세지도는 자율주행컴퓨터시스템 메모리의 데이터에 저장되며 자율모드로 주행 시 이를 불러내어 센서의 실시간 센싱 지도(Detailed Real-Time Map)와 비교 분석할 수 있다. 차 박사는 “이러한 비교 분석을 위해 사전에 이러한 빅 데이터(Big Data)를 구축해야 하는 것이며 구글이 지금까지 385만km를 실제 주행테스트한 이유가 바로 여기에 있다”고 말했다. 


▲산업부는 지난해 대구 지능형자동차부품시험장에서 자율주행자동차 콘테스트를 열었다.

마지막으로 선행상세지도와 실시간 센싱데이터를 바탕으로 트래픽 패턴모델인 고도의 상세 모델(highly detailed model)을 만들어야 한다. 선행상세지도의 위치에 따라 자율차의 속도 혹은 기대 속도의 분포도(distribution of typical or expected speeds), 차선에 따른 경로들(trajectories), 어디에서 가속 혹은 비-가속(속도 조절)했는지 등과 다른 차량의 속성들 혹은 움직이는 물체들의 속성들이 모델에 포함된다. 

끊임없이 테스트하여 이러한 다른 차량들의 주행 패턴을 감지하고 모델링해야 그 다음의 한계 값(Threshold Values)을 사전에 정할 수 있고, 이 한계 값을 벗어나는 차량들을 감지하면 운전자에게 운전대를 잡으라고 경고하여 자율모드에서 매뉴얼모드로 전환하는 것이다. 만약 이 한계 값에 따라 다른 차량들이 정상으로 주행한다면 자율차는 스스로 알아서 자율모드로 주행하는 것이다. 

국내 기업들 플랫폼 통한 에코시스템 구축 시급
센서융합시스템 분야 선택해서 집중하는 것도 한 방법

차 박사는 구글이 인공지능을 활용한 완전한 형태의 자율주행차를 개발하고 있는 상황에서 국내 대기업과 중소기업, 벤처기업의 플랫폼을 통한 에코시스템 구축이 시급하다고 지적했다. 그는 자율주행차의 개념 이야기를 꺼내며 “캘리포니아 주가 자율주행테스트를 허용하는 법률안에 명시한 자율차 정의를 보면 자율차란 하나 이상의 충돌방지 시스템을 탑재한 차량이 아니다..(중간생략) 자율차란 사람 운영자의 활동적인 제어 혹은 모니터링이 없이도 독단적으로 혹은 종합적으로 차를 운전할 수 있는 능력을 갖춘 차량을 말한다”고 설명했다. 

그는 우리가 잘 할 수 있는 분야, 예컨데 센서융합시스템 분야만을 선택해서 역량을 집중한다면 세계 시장을 석권할 수 있을 것이라고 분석했다. 그는 책의 서문을 통해 “또한 구글의 특허를 보면 상당히 앞서가고 있지만, 이를 회피하는 전략으로 이종산업의 특허를 분석하면 방법을 찾을 수도 있을 것”이라며, “아울러 우리나라도 미국처럼 장기적인 안목으로 자율주행차와 도로 인프라에 투자할 필요가 있다. 특히 자율주행차 연구개발도 중요하지만 선행상세지도 등을 위해 기존 도로의 인프라를 재정비해야 자율주행이 가능하다는 점을 잊어서는 안될 것”이라고 말했다.