“테슬라(Tesla)”는 지난 7월 26일, “모빌아이(Mobileye)”가 제공하는 Vision System을 더 이상 사용하지 않기로 결정했다. 모빌아이는 다수의 Automaker에 기술을 공급해 온 이스라엘의 대표 기술 기반 업체로, 테슬라는 그동안 모빌아이가 제공해 온 자율주행 칩 ‘EyeQ3'을 현재 판매중인 모델 S, 모델 X 차량 등에 적용시켜왔다.
이번 발표는 미국 도로교통안전국(National Highway Traffic Safety Administration)에서 오토파일럿(Autopilot) 작동 중에 일어난 테슬라 차량 사고에 대해 조사 중인 상황에서 이루어진 것이다(오토파일럿은 테슬라의 반 자율 주행(semi-automated driving)시스템을 의미함). 테슬라가 모빌아이와의 협력을 중단한 이유가 무엇인지 확실하지는 않지만, 자율 주행에 있어 새로운 접근법이 등장하고 있다는 시각이 제기되고 있다. 본 컬럼에서는 자율 주행차 영역에서 어떠한 요소가 중요해지고 있는지 살펴보고자 한다.
More advanced autonomy를 위한 자체 시스템 구축 시도
모빌아이는 도로 상의 교통 신호, 장애물(주변의 차량이나 보행자 등)을 정의할 수 있는 일종의 ‘이미지 인식 시스템’을 공급해 왔다. 여기에는 머신러닝 기법 중 대표적인 딥러닝이 활용되고 있다고 모빌아이는 밝히고 있다. 테슬라는 자사의 오토파일럿 모드가 어떻게 작동되는지 공식적으로 밝힌 적은 없지만, 모빌아이의 기술과 테슬라 독자 기술이 결합되어, 전파나 초음파 등에서 기본적인 데이터를 얻을 뿐 아니라 모빌아이 시스템으로부터 데이터를 얻는 것으로 알려져 있다.
모빌아이와의 협력 중단은 곧 테슬라가 자체적으로 Vision System을 구축할 것을 의미하며, 완전 자율 주행 모드까지 고려하고 있다고 한다. 일각에서는 완전 자율 주행 모드에 대한 시점 등에 대해 양사가 이견 차를 보였다는 주장도 제기되고 있으며, 모빌아이가 다른 Automaker들의 구형 차량에 맞게 기술을 지원하다 보니 테슬라에 활용될 신형 시스템 개발 지연을 가져왔을 것이라는 분석도 제기되고 있다. 분명한 것은 테슬라가 모빌아이보다 더 진화되고 통합된 형태의 SW를 구축하기 위해 이와 같은 결정을 내렸을 것이라는 점이다.
이 역시도 테슬라의 공식 발표는 없었지만 Machine Vision과 관련한 전문가들을 영입하는 등 관련된 역량 확보에 주력하고 있는 정황은 보여지고 있다. 테슬라는 최근 AMD의 칩 엔지니어였던 짐 캘러(Jim Keller)와 애플 출신의 피터 밴논(Peter Bannon) 등을 영입했으며, 짐 캘러의 경우 현재 테슬라에서 오토파일럿 하드웨어 엔지니어링 담당 부사장직을 수행하고 있다.
딥러닝이 더욱 더 강조되는 자율주행 영역
원래 자율 주행 시스템은 엔지니어가 직접 작성(hand-coded)한 룰(Rule)에 의해 작동되어 장애물을 인지하거나, 이동 중에 중요한 결정을 내렸었다. 그러나 점점 이러한 룰은 대량의 데이터를 기반으로 어떻게 행동할지 훈련시킬 수 있는 시스템인 ‘머신러닝’에 의해 대체되고 있고, 특히 딥러닝은 주변을 어떻게 판단하느냐 뿐 아니라 어떻게 정확하게 운전할지 까지도 훈련시킬 수 있다고 한다. 또한 앞으로의 시스템은 딥러닝을 활용해 도로 상의 장애물을 단순히 인지하는 단계를 넘어, 예를 들면 장애물까지의 거리를 인식하거나, 장애물의 이동 경로까지 예측/정의할 수 있는 단계로 진화할 수 있다고 한다. 이 역시 딥러닝이 차량의 움직임을 계획하고 주행 시스템을 조절하기 때문에 가능한 것이다.
테슬라를 포함한 다수의 Automaker에 하드웨어를 공급해 온 “엔비디아(Nvidia)”는 딥러닝을 활용해 자율 주행 프로토타입에서 거의 모든 것이 콘트롤 가능한 시스템을 선보였다. 어디까지나 실험적인 프로토타입 단계이지만, 미래에 엔비디아가 제공하고자 하는 바를 보여주고 있는 것이다.
일부 스타트업도 더욱 발전된 딥러닝 기술 기반의 주행 시스템을 보여주고 있다. “Drive.ai”는 스탠포드 대학교의 AI 연구진으로 구성된 자율 주행 스타트업으로, Automaker에게 공급할 자동화된 주행 시스템을 개발했다. 엔비디아의 시스템처럼 Drive.ai도 딥러닝을 자율 주행을 위한 요소 기술들, 즉 이미지 인식, 모션 센싱/컨트롤 등에 활용하고 있다. 올 4월에는 Drive.ai가 캘리포니아 도로에서 자율 주행 차량을 테스트할 수 있는 라이선스를 받았으며, 이러한 허가를 받은 13번째 업체가 되었다고 한다.
맺으며...
결국, 딥러닝이 점점 더 중요해지는 활용처가 바로 자율주행 영역이며, 딥러닝을 둘러싼 경쟁은 곧 '데이터'와 '알고리즘'의 경쟁이기 때문에 테슬라 사례에서 보여지듯이 자체적인 시스템을 구축하기 위한 경쟁도 치열해 질 전망이다. 최근 우버(Uber)가 자체 지도 제작에 5억 달러 투자 계획을 밝힌 것도 구글 맵에 대한 의존도를 줄이려는 의도도 있지만, 이보다 중요한 것이 자체적인 Mapping Infra를 갖추는 것이 자율 주행차 개발에 중요한 부분이기 때문이라고도 해석되고 있다. 이처럼 자율 주행을 둘러싸고 독자적인 SW나, 데이터, Mapping Infra를 구축하기 위한 움직임이 앞으로 보다 더 강화될 것으로 보인다.
그럼에도 자율주행 영역은 기존에 머신러닝이 적용된 '구글 포토(Google Photo)' 등의 서비스나 아마존의 '알렉사(Alexa)' 플랫폼 등과 달리, 안전(Safety)과 직결되는 영역이기 때문에, 더욱 정교하고 조심스러운 접근이 요구될 것으로 보인다.
