구글 자율주행테스트와 자율모드해제 보고서의 의미 분석

2009년에 토요타 프리우스(Toyota Prius)로 캘리포니아에서 자율주행테스트를 시작한 이래부터 2016년 7월 31일까지, 58대의 반자율차를 통해 구글의 총 주행테스트 거리는 3,041,923 마일(489만km)로, 이중 자율모드(Autonomous mode)로 주행한 거리가 1,842,496 마일(296만km, 약 60%)이고, 매뉴얼모드(Manual mode)로 주행한 거리가 1,199,427 마일(193만km, 약 40%)이다. 왜 구글은 이토록 많은 거리인 489만km를 자율주행테스트 하는 것일까? 그리고 자율모드 주행이 60%라는 것과 매뉴얼모드 주행이 40%라는 것은 무엇을 의미하는 것일까? 

많은 분들이 이와 같은 구글의 실제 도로 주행테스트 거리만 알고 있다. 그러나 반자율차가 차고를 나가기 전에도 반자율차가 학습할 수 있는 매우 강력한 시뮬레이터가 있다면 차고에서도 학습할 수 있다. 이러한 시뮬레이터의 인공지능버추얼랩에서 58대의 반자율차들은 하루에 300만 마일(480만km)의 버추얼 도로를 주행하면서 학습하고 있다는 사실을 알고 있는가? 무엇을 위해 버추얼 도로 주행을 하고 있을까?


■ 구글의 자율주행테스트 배경과 현황

구글은 2015년 5월부터 매달 자사의 셀프 드라이빙 카(Self-Driving Car) 프로젝트와 자율주행테스트 결과를 공개하고 있는데(참고), 2016년 7월 31일까지의 자율주행테스트 결과를 공개한 데이터와 다른 외신들이 분석한 자료를 바탕으로 주행테스트 현황을 살펴보자.  

1. 배경 및 역사

구글의 자율차 개발 배경은 운전할 능력이 없는 사람(장애인 등)도 쉽고 안전하게 자율차를 이용토록 하는 비전에 있다. 또한 노인이나 시각 장애인도 그들의 꿈과 희망과 자유를 포기하지 않도록 하는 비전에 있다. 또 하나의 비전은 하루 생활 중 교통에 들어가는 시간이다. 어디 1시간 회의를 가더라도 교통에 들어가는 시간은 최소 회의 시간의 3배이다. 이것은 모두 비용의 낭비인 것이다. 더군다나 전세계적으로 매년 교통사고로 사망하는 사람들이 120만명을 넘어서고 있다. 미국에서만 교통사고의 94%가 운전자의 부주의로 인한 것이다. 반자율차(Semi-autonomous Car), 특히 자율차(Autonomous Car)가 도입되면 이를 드라마틱하게 줄일 수 있다(참고).

구글의 셀프 드라이빙 카(Self-Driving Car) 프로젝트는 2009년부터 시작되었다. 올해가 2016년이니 무려 7년간을 연구개발하고 학습한 것이다. 그러나 사실 셀프 드라이빙 카는 훨씬 이전으로 거슬러 올라간다. 1939년 미국 뉴욕에서 개최된 월드 페어(World’s Fair)에서 최초로 자동화 고속도로(automated highways)가 선보였다. 2000년 중반에는 미국 국방과학연구소(DARPA)가 셀프 드라이빙 카에 도전하는 팀들을 모와 경쟁을 유도하는 위대한도전(Grand Challenges)이라는 프로그램을 발족 시켰다. 그리고 2009년에 구글은 셀프 드라이빙 카 프로젝트를 정식으로 시작했다(참고). 

2. 레벨 3의 자율주행테스트 

2013년 5월 30일에 미국 고속도로교통안전국(NHTSA)은 자율주행자동차의 시험평가 기준 마련을 위하여 자율주행 기술 수준을 5단계의 레벨(수준)로 정의했다. 이에 따라 미국의 전통적인 완성차 업체들인 GM, Ford 등은 레벨 1(운전자 보조시스템) -> 레벨 2 -> 레벨 3(자율 혹은 매뉴얼) -> 레벨 4(100% 자율)라는 점진적접근(Evolutionary approaching) 방식을 추구하지만, 이에 반해 구글은 바로 레벨 3이나 4로 가고자 하는 급진적접근(Revolutionary approaching) 방식을 추구하고 있다. 실제로 구글의 특허를 분석한 결과 자율주행모드(A)와 매뉴얼모드(M)를 오고 갈 수 있는 레벨 3와 운전대-브레이크-가속 페달이 없는 완전 자율의 레벨 4를 지향하고 있음을 알 수 있다. 실제 구글의 자율주행테스트는 자율주행모드(A)와 매뉴얼모드(M)를 오고 갈 수 있는 레벨 3의 테스트이다. 구글이 추진하고 있는 레벨 3은 2020년에, 레벨 4는 2030년에 상용화 될 것으로 보인다.

<표 1> 자율주행차 기술 수준. 출처: 미국 도로교통안전국(NHTSA, 30 May 2013)

 

p1

 

3. 4개 주의 4개 도시에서 반자율차 58대로 테스트

구글은 2016년 7월 31일 현재 24대의 반자율차(Semi-autonomous) 개조모델인 렉서스 RX450h SUV와 34대의 새로운 프로토타이프(new prototype) 반자율차 등 총 58대의 반자율차로, 구글 본사가 있는 캘리포니아 주의 마운틴 뷰(Mountain View), 텍사스 주의 오스틴(Austin), 워싱톤 주의 커크랜드(Kirkland), 아리조나 주의 피닉스(Phoenix) 등 4개 주의 4개 도시에서 자율주행테스트를 하고 있다. 자율주행테스트는 고속도로를 비롯해 도시의 일반 공공도로들에서 진행하고 있다. 

구글이 오스틴을 선택한 이유는, 오스틴은 출퇴근 시 가장 교통이 혼잡한 도시로 유명하고, 스타트업 허브로 유명할 뿐만이 아니라, 구글이 이곳에 기가비트 광섬유 인터넷 서비스(gigabit Fiber internet service)를 구축하고 있기 때문이다. 또 하나의 이유가 있다. 마운틴 뷰의 교통신호등은 수직(Vertical) 형지만 오스틴의 경우 수평(Horizontal) 형으로 구조가 다르기 때문이다. 새로운 환경에 도전한다는 의미이다. 다시 말해 각 주마다 다른 교통체계와 시스템에 센서들의 능력을 증강시키고 인공지능 베이스의 소프트웨어를 강화해 승객들의 안전을 도모한다는 의미다.  

 

1

▲ 왼쪽: 4개 주의 4개 도시에서 반자율차 58대로 테스트. Image Credit: Google Self-Driving Car Project. 오른쪽: 오스틴의 수평 형으로 달린 교통신호등. Image Credit: Google Self-Driving Car Project

구글은 2016년 2월 3일 세 번째 자율주행차 시범운행 지역으로 미국 워싱턴 주의 커클랜드(Kirkland)를 선정했다고 외신이 보도했다(The Verge, 3 Feb 2016). 

3
▲ 구글이 세 번째로 선정한 기온과 날씨가 변화무쌍한 워싱턴 주의 커클랜드. Image Credit: The Verge(03 Feb 2016)

커클랜드는 시애틀 동쪽 부근에 위치한 도시로, 온대기후 지역인 커클랜드는 상대적으로 기온변화와 날씨변화가 크다. 또 언덕 구간이 상대적으로 많은 지역이기도 하다. 구글은 온대기후 도시 커클랜드를 통해 비가 내리거나 도로가 젖은 상황에서도 적응 가능한 자율주행차 개발에 나설 방침이다. 또 언덕길에서도 작동이 잘되는 자율주행차 센서 개발에도 전념할 계획이다. 마운틴 뷰와 오스틴 지역보다 더 가혹한 주행 테스트를 실행하겠다는 의미다. 커클랜드 지역 내에서의 구글 자율주행차 운행이 본격화 되면 다양한 기상 상황에 대응할 수 있는 자율주행 기술이 등장 할가능성이 높다. 실제로 구글의 특허를 보면 기상(날씨, 안개 등)을 감지하고 예측하는 특허가 여러 개 보인다.

4. 34대의 새로운 프로토타이프(new prototype)의 반자율차

그런데 문제는 구글이 새롭게 개발한 새로운 프로토타이프가 어떻게 생겼으며 어떤 구조를 갖고 있는 가를 살펴보아야 한다. 왜냐하면 처음에는 완전 자율차(Autonomous Car)로 개발했지만 나중에는 캘리포니아 자동차국의 규정을 따르기 위해 반자율차(Semi-Autonomous Car)로 변형했기 때문이다.

자율모드(Autonomous mode, Cruise mode)와 매뉴얼모드(manual mode, conventional mode)를 가진 차를 반자율차(Semi-Autonomous Car)라 하는데, 반드시 운전자가 탑승하고 있어야 하므로 운전대-가속 페달-브레이크 페달이 있는 경우이다. 구글이 2012년에 개조한(modified) 렉서스가 이러한 유형의 반자율차다.

 

4

▲ 반자율차. 구글이 2012년에 개조한(modified) 렉서스 RX450h SUV.  Image: Google Self-Driving Car Project

참고 동영상 – 구글의 Self-Driving Car에는 두 가지 종류가 있는데, 하나는 운전대-가속 페달-브레이크 페달이 있어 비상시에는 운전자가 개입해 운전할 수 있는 차로 반자율차다.

그러나 운전대-가속 페달-브레이크 페달이 없는 차를 완전 자율기능의 100% 자율차(Autonomous Car)라 하는데, 승객처럼 탑승해서 ‘Go’ 버튼을 누르면 목적지까지 데려다 주는 것이다. 물론 ‘Stop’ 버튼도 있다. 멀미나 구토가 나거나 비상 시에 승객은 ‘Stop’ 버튼을 눌러 차를 멈출 수 있다. 그러만 자율차는 도로의 안전한 지역으로 움직여 차를 멈추는 것이다.

구글은 2014년 5월에 이러한 운전대-가속 페달-브레이크 페달이 없는 2인용 좌석의 자율차를 컨셉화하고, 12월에 새로운 프로토타이프(Prototype)의 완전 자율기능의 자율차를 선 보였다.(참고: Google self-driving car / Google Self-Driving Car Project).

 

5

▲ 완전 자율기능의 100% 자율차. 구글이 2014년 5월에 컨셉화하고 12월에 선보인 새로운 프로토타이프(Prototype)의 자율차. Image: Google Self-Driving Car Project

참고 동영상 – 구글의 Self-Driving Car에는 두 가지 종류가 있는데, 다른 하나는 운전대-가속 페달-브레이크 페달이 없는 완전 자율차(Autonomous car)로 ‘가(Go)’라는 버튼을 누르기만 하면 된다.

그러나 운전자가 반드시 있어야 한다는 규정 때문에, 이 완전 기능의 자율차 프로토타이프에 다시 운전대-가속 페달-브레이크 페달을 붙인 것이다. 단, 언젠가는 제거할 수 있는(Removable) 탈-부착 형태로 변형했다. 그리고 변형된 반자율차의 프로토타이프를 2015년 5월에 공개한 후(MotorTrend, 15 May 2016)(참고1) / (참고2),2015년 9월부터 운전자 2인과 함께 도로주행에 투입하고 있다(Popsci, 1 Sep 2015). 그러나 구글의 최종 목표는 운전대-가속 페달-브레이크 페달이 없는 100% 완전 자율기능의 자율차다.

 

6

▲ 초기 의도와는 달리 주행테스트에 투입된 변형된 반자율차의 프로토타이프. 운전자 2인이 탑승하고 있다. Image Credit: Youtube

5. 2009년부터 총 도로 주행테스트 거리(489만km)

2009년에 토요타 프리우스(Toyota Prius)로 캘리포니아에서 테스트를 시작한 이래부터 2016년 7월 31일까지 총 주행테스트 거리는 3,041,923 마일(489만km)로, 이중 자율모드(Autonomous mode)로 주행한 거리가 1,842,496 마일(296만km, 약 60%)이고, 매뉴얼모드(Manual mode)로 주행한 거리가 1,199,427 마일(193만km, 약 40%)이다. 따라서 주당 주행거리를 계산하면 2009년부터 주당 20,000~22,000마일을 자율모드로 주행한 셈이다. 

자율모드 주행이 60%라는 것은 무엇을 의미하는 것일까? 그만큼 도로 인프라가 정비가 안되었다는 것을 의미하고, 기존 도로의 선행 상세지도가 없어 이 작업을 선행해야 하기 때문에 매뉴얼모드 주행이 40%나 된다는 것을 의미하는 것이다. 이것 또한 상용화가 시간이 걸린다는 것을 의미하는 것이다.

6. 버추얼 주행테스트(1대당 매일 480만km)와 기계학습 알고리즘

많은 분들이 구글의 실제 도로 주행테스트 거리만 알고 있다. 공공도로에서 테스트하는 것은 새로운 환경과 경험을 접하기 때문에 소프트웨어(기계학습 알고리즘)의 개발에 매우 중요하다. 그러나 반자율차가 차고를 나가기 전에도 반자율차가 학습할 수 있는 매우 강력한 시뮬레이터(simulator)가 있다면 차고에서도 학습할 수 있다. 

바로 구글은 반자율차가 도로로 나가기 전에 기계학습 알고리즘(Machine learning algorithm)인 인공지능 베이스의 버추얼 환경을 구축한 랩에서 드라이빙 훈련을 시키고 있다. 지난 7년간 도로주행에 나선 반자율차들이 센싱한 무지막지한 빅 데이터들을, 아직 도로주행에 나서지 않은 반자율차에 탑재된 자율주행컴퓨터시스템(Autonomous Driving Computer System)의 메모리에 입력해 드라이빙을 추론하고 상기 시키는 것이다. 컴퓨터 시뮬레이터는 드라이빙 패턴의 수천 가지 변형 모델을 만들어 낸다. 그러면 버추얼로 수백만 마일을 곡예 주행할 수 있다. 이러한 방식으로 구글의 반자율차들은 하루에 300만 마일(480만km)의 버추얼도로를 주행하면서 학습하는 것이다(Cnet, 16 Feb 2016).(참고그리고 기계학습 알고리즘의 소프트웨어를 업데이트 시키는 것이다. 

예를 들어 교차로에서 좌회전하는 경우 탑승한 승객의 안전과 편안함을 위해 소프트웨어를 수정해 반자율차가 주행하는 각도를 수정하는 것이다. 이와 같은 수정 변화의 새로운 패턴에 따라 인공지능 버추얼 랩에서 300만 마일 이상을 버추얼 도로에서 주행하는 것이다. 이러한 시뮬레이션을 통해 반자율차의 능력을 향상 시킬 뿐만 아니라 승객에게도 보다 나은 경험을 주는 것이다. 또한 버추얼 랩에서 자율주행모드해제(Disengagements of Autonomous Mode)의 이유를 집중분석하고 최적의 답을 찾아 소프트웨어를 업데이트하고 전 반자율차의 자율주행컴퓨터시스템(Autonomous Driving Computer System)에 업데이트 시키는 것이다. 


■ 구글이 캘리포니아 자동차국에 제출한 자율모드해제 보고서의 의미

미국 캘리포니아주 자동차국(DMV)은 보쉬, 델파이, 구글, 닛산, 메르세데스-벤츠, 테슬라, 폴크스바겐 등 7개 업체가, 2015년 11월 30일까지 자율주행테스트 결과를 2016년 1월 1일까지 보고해야 하는 규정의 마감 시간에 맞추어 제출한 '자율주행 운행 중 자율주행모드해제 보고서(Self-Driving Car Testing Report on Disengagements of Autonomous Mode)'를 받아 2016년 1월 13일 공개했다. 이중 구글의 보고서가 최고이다. 아예 테슬라는 편지 한 장으로 해제가 ‘0(Zero)’라고 보고했다.

7
▲ Source: Google Self-Driving Car(SDC) Testing Report on Disengagement of Autonomous Mode, Dec 2015.

총 32페이지 분량의 보고서를 준비한 구글은, 캘리포니아 자동국으로부터 허가를 받은 2014년 9월 24일부터 2015년 11월 30일까지 캘리포니아 마운틴 뷰의 교외(suburban)에서 총 524,003마일(84만km)의 주행테스트를 했으며, 이중 자율모드 주행이 424,331마일(68만km)이고 매뉴얼모드 주행이 99,672마일(16만km)이라고 밝혔다(Table 4). 결국 자율모드주행이 80%이고 20%가 매뉴얼모드 주행으로 구글이 희망하는 완전 자율기능의 100%의 자율차는 아직 멀었다는 것을 의미하는 것이다. 100%는아니더라도, 적어도 필자가 보기엔 생명의 안전을 보장하기 위해, 신약 개발의 신뢰 수준인 99.95%의 신뢰도를 확보해야 고객들이 수용(Adoption)할 것으로 보인다.

특히 교외 지역은 고속도로보다 복잡하고 보행자와 자전거 주행자가 많은 지역이라고 밝혔다. 이것은 교외 지역의 도로정비, 도로 인프라 확충, 교통신호 등의 표준화, 이를 통한 선행 상세지도가 필요하다는 것을 의미하는 것이다. 

 

8

 

구글은 14개월간 자율주행차 49대로 약 68만 km 거리의 자율주행 시험을 하면서 총 341회(Table4)의 '자율주행모드 해제' 사례를 겪었다고 보고했다. 일단 필자가 보기엔 해제 건수가 아직은 많은 것으로 판단된다.

그런데 자세히 보면 월별로 해제건수가 다 틀리다. 이것을 분석하 면마운틴뷰의 월별 특정 날씨와 특정 지역의 이벤트에 따라(사람들 군집 등), 해제 건수의 빅 데이터를 다양하게 분석하면, 향우 센싱 시스템과 자율컴퓨터시스템을 개선하고 업데이트 시킬 수 있을 것으로 보인다.  

이 중 272회(Table 1)는 "자율주행 기술의 실패가 감지"돼 반자율차가 자동으로 경고음이 울리고 운전자가 운전을 맡도록 전환된 사례로, 문제점을 컴퓨터 시스템이 스스로 감지한 경우이다. 이 경우가 80%나 된다. 일반적으로 신뢰도가 95% 넘어야 제품을 시장에 런칭한다는 관점으로 보면 아직 15%가 부족하다는 의미이다. 

10나머지 69회(341-272=69)는 컴퓨터 시스템이 스스로 위험을 감지한 것이 아니라 사람(운전자)이 미리 판단해서 매뉴얼모드로 전환한 경우이다. 자율모드(Cruise mode)로 주행하다가 운전자가 위험하다고 판단되는 경우 운전대를 잡으면, 즉각적으로 준비모드(Ready mode)로 되돌아가는 경우이다. 

구글은 센싱 자료를 시뮬레이터 분석한 결과 69회 중 13회(Table 3)는 만약 사람이 개입하지 않고 계속 자율주행 상태가 지속됐더라면 자율주행차가 외부의 물체와 부딪혔을 것(simulated contacts)으로 추정된다고 설명했다. 그만큼 아직은 운전자가 운전석에 앉아 있어야 한다는 얘기이다. 이 13건 중 3건은 다른 자동차의 잘못으로 사고가 날 뻔했던 경우였다. 
 
이 기록은 아직까지 구글의 자율주행시스템이 100% 완벽하지 못하다는 것을 증명하는 것이다. 하지만 구글은 소프트웨어 오류 건수가 많지 않은 편이라고 강조하면서 자율주행이 늘어나면 늘어날 수록 ‘simulated contacts’이 감소할 것이라고 강조하고, 엔지니어들이 하나 둘씩 기술적 오류 해결을 위해 노력하고 있다는 점도 강조했다.

 

11

 

Table 6는 도로 별 혹은 위치 별 자율모드해제 건수이다. 미국의 경우 주와 주 사이의 고속도로를 ’interstate’, 고속도로를 ‘freeway’, 연방에서 관리하는 고속도로를 ‘highway’라 하고 도시의 일반도로를 ‘street’로 분류하는데, 일반도로는 마운틴 뷰의 교외 지역 도로를 말하는 것이다. 총 341회의 해제 중 일반도로에서 304건, 그러니까 89%나 발생했다. 이는 복잡한 도시의 일반 도로에선 아직은 어렵다는 의미로, 도로 정비, 도로 인프라 확충, 교통신호등의 표준화, 이를 통한 선행 상세지도가 필요하다는 것을 의미하는 것이다. 

 

12

 

마지막으로 해제의 원인(Cause)을 보자(Table 5). 자율주행테스트를 하면서 날씨 조건 때문에 해제(disengage for weather conditions during testing)라는 것은 태양의 반사, 안개, 비 등으로 인해 센싱 시스템이 감지를 못하는 상황을 의미하는 것이다. 그래서 이를 해결하기 위해 구글은 세번 째 주행테스트 도시로 워싱턴주의 커클랜드를 선정한 것이다. 

부주의한 도로 사용자의 행동 때문에 해제(disengage for a recklessly behaving road user)라는 것은 다른 차량이나 자전거 주행 자(cyclist)나 보행자(pedestrian)가 아무 때나 일반도로로 끼어 드는 경우를 말하는 것이다. 자율차는 사전에 정해진 규칙대로 주행하기 때문에 이런 경우 매뉴얼모드로 전환해야 한다.

하드웨어 기능이 잘못되어 해제(disengage for hardware discrepancy)라는 것은 센싱 시스템, 브레이킹 제어, 컴퓨팅시스템의 하드웨어 등이 실제 기대만큼 수행을 못한 경우이다. 이것은 실제 구글의 반자율차 문제로, 11.4%나 된다. 아직 한참 가야 한다는 의미다. 

반자율차의 원하지 않은 운행(disengage for unwanted maneuver of the vehicle)라는 것은 주차된 차량에 너무 가까이 가는 등의 바람직하지 않은 방법으로 반자율차가 움직였다는 것을 의미하는 것으로, 이것도 실제 반자율차의 문제로 16%나 된다. 아직 한참 가야 한다는 의미다.  

센싱(인지) 기능 실패로 해제(disengage for an perception discrepancy)라는 것은 센서들이 도로 경계에 있는 나무들의 나뭇가지 때문에 사물을 인지하지 못한 사례로, 이것을 향상시키려고 구글은 노력하고 있다. 

횡단보도(crosswalk or sidewalk)의 다른 사람들의 행동을 예측하지 못해 해제(disengage for incorrect behavior prediction of other traffic participants)라는 것은 센싱 시스템이 횡단보도를 무단 횡단하는(jaywalk) 것을 센싱하지 못했다는 것으로 이것은 어쩔 수 없는 상황이다. 우리가 운전을 해도 무단 횡단하는 사람은 피할 수 없다.

소프트웨어 모순(disengage for a software discrepancy)이라는 것은 맵이나 지도의 교정(calibration) 등에서 실패했다는 것으로, 이것은 사전에 기 입력된 선행 상세지도가 없기 때문에 센싱 시스템의 실시간 데이터와 일치가 안되어 실패한 경우로 23%나 된다. 따라서 도로 정비, 도로 인프라 확충, 교통신호등의 표준화, 이를 통한 선행 상세지도가 필요하다는 것을 의미하는 것이다.  

도로공사 중으로 해제(disengage for construction zone during test)라는 것은 선행 상세지도에는 멀쩡한 도로가 실제 주행할 때는 도로공사 중이어서 해제하는 경우이다. 구글은 이 문제점을 해결할 수 있는 솔루션과 특허를 이미 확보하고 있다. 

경찰차나 구급차나 소방차 등의 비상차가 출현해서 해제(disengage for emergency vehicle during test)라는 것은 비상차가 사이렌을 켜고 다가오므로 해제한 경우이다. 구글은 이 문제점을 해결할 수 있는 솔루션과 특허를 이미 확보하고 있다. 

그러면 왜 구글은 해제의 원인을 이토록 다양한 카테고리로 나누어 보고했을까? 그것은 시뮬레이터와 기계학습(ML)-딥러닝(DL)을 통한 학습과 업데이트, 그리고 반자율차 간의 공유다. 그리고 매번 이 과정을 반복하고 솔루션을 찾아 새로운 특허를 출원하는 것이다. 


■시사점 

● 2009년에 토요타 프리우스(Toyota Prius)로 캘리포니아에서 테스트를 시작한 이래부터 2016년 7월 31일까지 총 주행테스트 거리는 3,041,923 마일(489만km)로, 이중 자율모드(Autonomous mode)로 주행한 거리가 1,842,496 마일(296만km, 약 60%)이고, 매뉴얼모드(Manual mode)로 주행한 거리가 1,199,427 마일(193만km, 약 40%)임. 자율모드주행이 60%라는 것은, 그만큼 도로 인프라가 정비가 안되었다는 것을 의미하고, 기존 도로의 선행 상세지도가 없어 이 작업을 해야 하기 때문에 매뉴얼모드 주행이 40%나 된다는 것을 의미하는 것임. 이것은 또한 상용화가 그만큼 시간이 걸린다는 것을 의미하는 것임. 따라서 우리 나라기업들도 도로 주행테스트를 하면서 우리나라의 선행 상세지도를 그리는 작업에 집중해야 함.

● 구글의 Self-Driving Car에는 두 가지 종류가 있는데, 하나는 운전대-가속 페달-브레이크 페달이 있어 비상시에는 운전자가 개입해 운전할 수 있는 차로 반자율차이고, 다른 하나는 운전대-가속 페달-브레이크 페달이 없는 완전 자율차(Autonomous car)로 ‘가(Go)’라는 버튼을 누르기만 하면 됨. 따라서 추격자가 없을 경우 전세계의 차들을 구글의 클라우드에서 제어하는 구글화, 즉 ‘구글에 운전을 맡김 혹은 구글 운전사를 고용(Google Chauffeur)’할 가능성이 매우 높음. 결론은 우리나라가 구글을 따라 잡기란 매우 어려울 것으로 보임. 

● 구글의 ‘자율주행모드해제 보고서’를 보면 구글은 해제의 원인을 다양한 카테고리로 나누어 보고하고 있는데, 그것은 인공지능 시뮬레이터와 기계학습(ML)-딥러닝(DL)을 통한 학습과 자율차의 업데이트와 자율차간의 공유이고, 이는 클라우드를 통해 이루어지고 있으며, 그리고 매번 이 과정을 반복하여 최고의 솔루션을 찾아 새로운 특허를 출원하는 것임.

● 많은 분들이 이와 같은 구글의 실제 도로 주행테스트 거리만 알고 있음. 그러나 반자율차가 차고를 나가기 전에도 반자율차가 학습할 수 있는 매우 강력한 시뮬레이터(simulator)가 있다면 차고에서도 학습할 수 있음. 이러한 시뮬레이터의 인공지능 버추얼랩에서 구글의 반자율차들은 하루에 300만 마일(480만km)의 버추얼 도로를 주행하면서 학습하고 있음. 그리고 기계학습 알고리즘의 소프트웨어를 업데이트 시키는 것임. 또한 버추얼 랩에서 자율주행모드 해제의 이유를 집중분석하고 최적의 답을 찾아 소프트웨어를 업데이트하고 모든 반자율차의 자율주행컴퓨터시스템(Autonomous Driving Computer System)에 업데이트 시키는 것임. 결론은 우리나라도 자율 주행 실험도시(K-City, 화성)에 이와 같은 인공 버추얼 랩을 만들어 운영해야 할 것으로 보임. 

본 글은 'KT경제경영연구소 디지에코(http://www.digieco.co.kr/)에서 지원받은 보고서(원고 혹은 글)'로 2016년 8월 29일에 등재된 원고를 2016년 9월 7일에 업데이트시킨 것이다.

 

googleGoogle 인공지능형 자율주행자동차 – 특허분석 보고서(관련기사)

저 자 : 차원용
발행일 : 2016-03-31
분 량 : 382페이지
체 제 : A4 사이즈
★ 발행 및 판매처: 
– IT News(IT 뉴스) 

★ 구입·강의·컨설팅 문의 
– 문의: itnews@itnews.or.kr

 

 

 

크기변환_사본-10632695_637493523030856_2757249799481243589_n차원용 소장/교수/MBA/공학박사/미래학자

아스팩기술경영연구소(대표국과과학기술심의회 ICT융합전문위원회 전문위원미래창조과학부 성장동력발굴기획위원회 기획위원국제미래학회 과학기술위원장, ()창조경제연구회 이사연세대학원/KAIST IP-CEO 미래융합기술 겸임교수